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:2506.00827

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2506.00827 (cs)
[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

Authors:Zachary Chavis, Stephen J. Guy, Hyun Soo Park
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。
摘要: In this paper, we address the challenge of understanding human activities from an egocentric perspective. Traditional activity recognition techniques face unique challenges in egocentric videos due to the highly dynamic nature of the head during many activities. We propose a framework that seeks to address these challenges in a way that is independent of network architecture by restricting the ego-video input to a stabilized, hand-focused video. We demonstrate that this straightforward video transformation alone outperforms existing egocentric video baselines on the Ego-Exo4D Fine-Grained Keystep Recognition benchmark without requiring any alteration of the underlying model infrastructure.
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2506.00827 [cs.CV]
  (或者 arXiv:2506.00827v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.00827
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Zach Chavis [查看电子邮件]
[v1] 星期日, 2025 年 6 月 1 日 04:22:02 UTC (1,535 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
查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs

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