视频动作识别解释拆成“看什么”和“何时动”：删除AUC在三个数据集上多数轴最低，掩码约稀疏五倍
视频动作识别的归因图通常把画面外观与帧间运动混在一张显著性图里，使用者无法判断模型是靠物体还是靠动作做出预测。该工作把解释拆成空间外观掩码与时间运动掩码，在冻结的分类器上联合优化，并用最近帧替换来切断时间动态。在EPIC-Kitchens-55、EGTEA Gaze+与Something-Something V2上，该方法在多数数据集与轴上取得最低的删除AUC，掩码约为最强基线的五分之一大小。
视频动作识别的归因图通常把画面外观与帧间运动混在一张显著性图里，使用者无法判断模型是靠物体还是靠动作做出预测。该工作把解释拆成空间外观掩码与时间运动掩码，在冻结的分类器上联合优化，并用最近帧替换来切断时间动态。在EPIC-Kitchens-55、EGTEA Gaze+与Something-Something V2上，该方法在多数数据集与轴上取得最低的删除AUC，掩码约为最强基线的五分之一大小。
已读完全部报道