본 연구는 파노라믹 활동 인식(PAR) 문제를 다룬다. PAR은 개인 행동, 사회적 그룹 활동, 전역적 활동을 모두 인식하는 것을 목표로 한다. 이를 위해 저자들은 다음과 같은 두 가지 핵심 기여를 제안한다:
개인 간 시공간적 근접성을 고려한 관계 모델링: 기존 연구들은 단일 프레임 내 공간적 근접성에 초점을 맞추었지만, 본 연구는 시간에 따른 개인의 위치 변화를 고려한 시공간적 근접성을 활용한다. 이를 통해 정확한 사회적 관계를 모델링할 수 있다.
개인-전역-사회적 활동 간 상호 보완적 관계 학습: 기존 연구들은 계층적 접근법을 사용하여 개인 활동 -> 그룹 활동 -> 전역 활동 순으로 모델링했다. 반면 본 연구는 개인-전역 경로와 개인-사회적 경로로 구성된 이중 경로 아키텍처를 제안한다. 이를 통해 다중 공간 규모의 활동 간 상호 보완적 관계를 학습할 수 있다.
실험 결과, 제안한 SPDP-Net은 기존 최신 방법 대비 큰 성능 향상을 보였다. 특히 사회적 그룹 활동 인식 성능이 크게 개선되었다.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Sumin Lee,Yo... at arxiv.org 03-22-2024
https://arxiv.org/pdf/2403.14113.pdfDeeper Inquiries