Core Concepts
通过综合探索视频内容和活动演化中的数据不确定性,提出了一种不确定性增强的活动预测框架,以增强输出的鲁棒性。
Abstract
该论文提出了一种不确定性增强的视频活动预测框架,通过并行生成预测结果和不确定性值来增强输出的鲁棒性和可解释性。
具体来说:
通过结合活动演化的时间类相关性和语义关系,构建了一个更全面的目标活动类别标签表示,以确保对预测分布的调整。
从样本间和时间维度两个角度建模相对不确定性,提供了一种更加可访问的方式来量化不确定性,而不是直接量化绝对不确定性值。
实验结果表明,该框架在多个主干网络和基准数据集上都取得了出色的性能,并在处理高度不确定的样本和长尾活动类别时表现出更好的鲁棒性和可解释性。
Stats
在EPIC-KITCHENS-55数据集中,不同前置活动类别可能导致不同的后续活动类别发生,表明活动演化存在高度不确定性。
在EPIC-KITCHENS-55数据集中,任意两个活动类别之间共享前置活动类别的视频实例数量可以反映它们之间的相关性。