本文提出了一种名为边界匹配网络（BMN）的新型时序动作提名方法，通过边界匹配机制提高视频动作提名的性能和效率。BMN生成一维边界概率序列和二维BM置信度图，用于密集评估时序提名的置信度。在训练和推断过程中，BMN结合局部和全局上下文，以统一的多任务框架进行优化，实现在提案生成和时间动作检测任务上的优越性能。
本文的主要贡献是通过引入一种全新的时序提名评估机制以及高效的特征采样方式，来提升了BSN方法的性能和效率
这篇论文中提出了一种新的时序提名置信度评估机制-边界匹配机制（Boundary-Matching mechanism, BM mechanism），以及基于边界匹配机制的边界匹配网络（Boundary-Matching Network, BMN）。BMN网络能够同时生成与BSN中类似的一维边界概率序列，以及二维的BM置信度图来密集的评估所有可能存在的时序提名的置信度分数。
方法：
3.1 Problem Formulation：
3.2. Feature Encoding.
3.3. Boundary-Matching Mechanism
引入边界匹配（Boundary-Matching）机制为密集分布的proposals生成置信分数。首先，我们将temporal proposal φ表示为其开始边界
最低0.47元/天 解锁文章
扫一扫
904
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
