基于视觉的自主节奏迭代学习方法，用于无监督的时间序列动作定位

《ACM Transactions on Multimedia Computing, Communications, and Applications》：Visual Self-paced Iterative Learning for Unsupervised Temporal Action Localization

近期，时空动作定位（TAL）在信息检索领域备受关注。然而，现有监督/弱监督方法高度依赖大量标注的时空边界和动作类别，导致效率低下。虽然部分无监督方法采用了迭代聚类与定位范式，但仍面临聚类置信度不足和伪标签可靠性差的双重挑战。为此，本文提出一种新型自监督迭代学习模型，同步提升聚类与定位训练效果。通过挖掘上下文鲁棒视觉信息增强聚类置信度，并设计恒定与变速度增量实例学习策略，确保伪标签可靠性并进一步优化定位性能。实验表明，该模型在两个公开数据集上显著优于现有方法。

　　

摘要AI摘要

要查看此由AI生成的摘要，您必须具有高级访问权限。

了解更多登录

摘要

摘要

最近，时间动作定位（TAL）在信息检索领域引起了广泛关注。然而，现有的监督/弱监督方法严重依赖于大量的标记时间边界和动作类别，这既费时又费力。尽管一些无监督方法采用了“迭代聚类和定位”的范式来进行TAL，但它们仍然存在两个主要问题：1）视频聚类的置信度不足；2）用于模型训练的视频伪标签不可靠。为了解决这些问题，我们提出了一种新的自定进度的迭代学习模型，以同时增强聚类和定位训练，从而实现更有效的无监督TAL。具体来说，我们通过探索具有上下文鲁棒性的视觉信息来提高聚类的置信度。随后，我们设计了两种（恒速和变速）增量实例学习策略，以便从简单到复杂的模型训练，从而确保这些视频伪标签的可靠性，并进一步提高整体定位性能。在两个公共数据集上的广泛实验表明，我们的模型优于几款最先进的竞争模型。

AI摘要

AI生成的摘要（实验性)

该摘要是使用自动化工具生成的，并非由文章作者编写或审核。它旨在帮助发现、评估相关性，并帮助来自相关研究领域的读者理解该工作。它旨在补充作者提供的摘要，后者仍然是论文的主要摘要。完整文章才是权威版本。点击此处了解更多。

点击此处对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进未来的版本。

要查看此由AI生成的简单语言摘要，您必须具有高级访问权限。