Motivation
- 当前基于CNN或者non-lcoal的方法，可以建模 temporal concepts，但是却不能建模分钟级长的时域依赖。
- 学习一个无向图，节点和边都是直接从video中得到，而不需要进行单独的节点标注。
- 这里的节点是：组成activity的一个unit-action，比如 “煎鸡蛋” 这个activity里的 “打破鸡蛋” 。
- 边，表示 (units-action) 运动单元之间的时域关系
Goal
- 建模长范围的activity
- 捕捉到细节信息
Vs Video as space-time region graph
- Video as space-time region graph： 需要提取 key objects
- Video graph：自动的从video中学到 nodes
近期评论