Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2504.02512

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2504.02512 (cs)
[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

Authors:Emad Bahrami, Olga Zatsarynna, Gianpiero Francesca, Juergen Gall
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%。
摘要: While there has been substantial progress in temporal action segmentation, the challenge to generalize to unseen views remains unaddressed. Hence, we define a protocol for unseen view action segmentation where camera views for evaluating the model are unavailable during training. This includes changing from top-frontal views to a side view or even more challenging from exocentric to egocentric views. Furthermore, we present an approach for temporal action segmentation that tackles this challenge. Our approach leverages a shared representation at both the sequence and segment levels to reduce the impact of view differences during training. We achieve this by introducing a sequence loss and an action loss, which together facilitate consistent video and action representations across different views. The evaluation on the Assembly101, IkeaASM, and EgoExoLearn datasets demonstrate significant improvements, with a 12.8% increase in F1@50 for unseen exocentric views and a substantial 54% improvement for unseen egocentric views.
主题: 计算机视觉与模式识别 (cs.CV) ; 人工智能 (cs.AI); 机器学习 (cs.LG)
引用方式: arXiv:2504.02512 [cs.CV]
  (或者 arXiv:2504.02512v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2504.02512
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Emad Bahrami [查看电子邮件]
[v1] 星期四, 2025 年 4 月 3 日 11:53:59 UTC (2,919 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-04
切换浏览方式为:
cs.AI
cs.CV
cs.LG

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号