Alapfogalmak
다양한 시점에서의 행동 인식을 위해 방향성 Gromov-Wasserstein 차이를 이용하여 모델의 주의 집중 일관성을 보장하는 방법을 제안한다.
Kivonat
이 논문은 행동 인식 문제에서 모델의 주의 집중이 일관성 있게 유지되도록 하는 방법을 제안한다. 구체적으로:
다양한 시점에서의 주의 집중 일관성을 보장하기 위해 방향성 Gromov-Wasserstein 차이를 이용한 새로운 메트릭을 정의하였다.
단일 시점 데이터셋에서도 다양한 시점의 정보를 활용할 수 있도록 Neural Radiance Fields 기반의 접근법을 적용하였다.
제안 방법을 Jester, Something-Something V2, Kinetics-400 데이터셋에 적용하여 최신 기법들을 능가하는 성능을 보였다.
Statisztikák
제안 모델은 Jester 데이터셋에서 96.94%의 Top-1 정확도를 달성하였다.
Kinetics-400 데이터셋에서 제안 모델은 83.49%의 Top-1 정확도를 보였다.
Something-Something V2 데이터셋에서 제안 모델은 70.74%의 Top-1 정확도를 보였다.
Idézetek
"다양한 시점에서의 행동 인식을 위해 방향성 Gromov-Wasserstein 차이를 이용하여 모델의 주의 집중 일관성을 보장하는 방법을 제안한다."
"단일 시점 데이터셋에서도 다양한 시점의 정보를 활용할 수 있도록 Neural Radiance Fields 기반의 접근법을 적용하였다."