计算机科学 > 计算机视觉与模式识别
[提交于 2025年8月30日
]
标题: 多焦点视频组活动哈希
标题: Multi-Focused Video Group Activities Hashing
摘要: 随着各种复杂场景中视频数据的爆炸式增长,快速检索群体活动已成为一个紧迫的问题。 然而,许多任务只能检索整个视频,而不是活动粒度。 为了解决这个问题,我们首次提出了一种新的STVH(时空交错视频哈希)技术。 通过一个统一的框架,STVH同时建模个体对象动态和群体交互,捕捉群体视觉特征和位置特征上的时空演变。 此外,在现实生活中的视频检索场景中,有时需要活动特征,而有时则需要对象的视觉特征。 我们随后进一步提出了一种新的M-STVH(多焦点时空视频哈希)作为增强版本,以处理这个困难的任务。 该先进方法通过多焦点表示学习进行分层特征集成,使模型能够同时关注活动语义特征和对象视觉特征。 我们在公开可用的数据集上进行了比较实验,STVH和M-STVH都能取得出色的结果。
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.