计算机科学 > 计算机视觉与模式识别
[提交于 2025年6月1日
]
标题: 通过灵巧聚焦改进自我视频中的关键步骤识别
标题: Improving Keystep Recognition in Ego-Video via Dexterous Focus
摘要: 本文中,我们探讨了从自我中心视角理解人类活动的挑战。由于许多活动中头部运动的高度动态性,传统的活动识别技术在自我中心视频中面临独特的挑战。我们提出了一种框架,通过将自我中心视频输入限制为一个稳定的手部焦点视频,以一种独立于网络架构的方式解决这些挑战。我们证明,仅此简单的视频转换就在 Ego-Exo4D Fine-Grained Keystep Recognition 基准上超越了现有的自我中心视频基线,且无需对底层模型基础设施进行任何更改。
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.