ACM-Net: Action Context Modeling Network for Weakly-Supervised Temporal Action Localization

分享人：陈争妍
研究方向：行为分析
论文题目：ACM-Net: Action Context Modeling Network for Weakly-Supervised Temporal Action Localization
论文作者：Sanqing Qu, Guang Chen, Zhijun Li, Lijun Zhang, Fan Lu, Alois Knoll
作者单位：同济大学，慕尼黑工业大学，中国科学技术大学
论文摘要：弱监督时间动作定位旨在定位动作实例的时间边界，并在仅用视频级别标签的监督条件下识别相应的动作类别。传统的方法主要侧重于前景和背景帧的分离，使用单一的注意力分支和类激活序列。然而，我们认为除了可显著区分的前景和背景片段外，还存在大量语义模糊的动作片段。将这些上下文片段分为同一个背景类是没有意义的，因为它们在语义上与特定的动作类别相关。因此，仅用一个类激活序列来抑制动作相关的背景片段是一个较大的挑战。为了解决这个问题，在本文中，我们提出了一个称为ACM-Net的动作上下文建模网络，它集成了一个三分支注意模块，用来评估每个时间点为动作实例、动作相关背景或非动作背景片段的置信度。然后，基于获得的三个分支注意值，我们构建了三个分支类激活序列，分别表示动作实例、动作相关背景和非动作背景。为了评估ACM-Net的有效性，我们在两个基准数据集THUMOS-14和ActivityNet-1.3上进行了大量实验。实验表明，该方法的性能优于目前最先进的方法，甚至可以达到与完全监督方法相当的性能。
原文链接：

点击此处