计算机科学 > 计算机视觉与模式识别
[提交于 2025年4月3日
]
标题: 面向 unseen 视角的动作分割通用化研究
标题: Towards Generalizing Temporal Action Segmentation to Unseen Views
摘要: 尽管在时间动作分割方面已经取得了显著进展,但将其推广到未见过的视角这一挑战仍未得到解决。 因此,我们定义了一种针对未见过视角的动作分割协议,在该协议下评估模型时的相机视角在训练过程中不可用。 这包括从顶部前视图转换到侧面视图,甚至更具有挑战性的是从外视角转换到内视角。 此外,我们提出了一种用于时间动作分割的方法来应对这一挑战。 我们的方法在序列和片段级别利用共享表示,以减少训练过程中视角差异的影响。 通过引入序列损失和动作损失,我们实现了这一点,这两者共同促进了不同视角下的视频和动作表示的一致性。 在Assembly101、IkeaASM和EgoExoLearn数据集上的评估表明了显著的改进,对于未见过的外视角,F1@50提高了12.8%,而对于未见过的内视角,改善幅度达到了54%。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.