ビデオの時間的アクションローカリゼーションのためのグラフ畳み込みモジュール
Graph Convolutional Module for Temporal Action Localization in Videos 時間的アクションのローカリゼーションは、コンピュータビジョンで長い間研究されてきました。既存の最先端のアクションローカリゼーション方法は、各ビデオを複数のアクションユニット（つまり、2段階の方法での提案と1段階の方法でのセグメント）に分割し、明示的にせずに、それぞれに対して個別にアクションの認識/回帰を実行します学習中に彼らの関係を利用する。この論文では、アクションユニット間の関係がアクションのローカリゼーションにおいて重要な役割を果たしていると主張し、より強力なアクション検出器は、各アクションユニットのローカルコンテンツをキャプチャするだけでなく、それ。この目的のために、2段階および1段階のパラダイムを含む既存のアクションローカリゼーション手法に簡単
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://arxiv-check-250201.firebaseapp.com/each/2312.17429v2
https://arxiv-check-250201.firebaseapp.com/each/2310.09236v1
HGT: CT 画像とテキストを使用したマルチモーダルな人工器官周囲の関節感染症診断のための階層型 GCN ベースのトランスフォーマー
T1-MRIを用いた階層型プロトタイプ埋め込みGCNによる動的構造脳ネットワーク構築
視覚対話における代名詞を使用したフレーズ グラウンディングの拡張
オープン チェックアウト不要の食料品店のための効率的なパーソン クラスタリング アルゴリズム
オープン チェックアウト不要の食料品店のための効率的なパーソン クラスタリング アルゴリズム
ImageGCN：胸部X線による疾患識別のためのマルチリレーショナル画像グラフ畳み込みネットワーク
BLDNet：グラフ畳み込みネットワークと都市ドメイン知識を使用した半教師あり変化検出建物損傷フレームワーク
OSSR-PID：パスサンプリングとGCNを使用したP＆IDシートでのワンショットシンボル認識
AnaXNet：胸部X線での解剖学を意識したマルチラベル分類
数ショットのディープアダプティブグラフを使用したX線画像のスケーラブルな半教師ありランドマークローカリゼーション
VLG-Net：ビデオグラウンディング用のビデオ言語グラフマッチングネットワーク