Key points are not available for this paper at this time.
Die Aktionsdetektion und temporale Segmentierung von Aktionen in Videos sind Themen von zunehmendem Interesse. Während vollständig überwachte Systeme in letzter Zeit viel Aufmerksamkeit erlangt haben, ist die vollständige Annotation jeder Aktion im Video kostspielig und unpraktisch für große Mengen an Videodaten. Daher sind schwach überwachte Methoden zur Aktionsdetektion und zeitlichen Segmentierung von großer Bedeutung. Während die meisten Arbeiten in diesem Bereich annehmen, dass eine geordnete Sequenz auftretender Aktionen vorliegt, verwendet unser Ansatz nur eine Menge von Aktionen. Solche Aktionssätze bieten viel weniger Überwachung, da weder die Reihenfolge der Aktionen noch die Anzahl der Vorkommen bekannt sind. Im Austausch können sie jedoch leicht erhalten werden, beispielsweise aus Metatags, während geordnete Sequenzen noch menschliche Annotationen erfordern. Wir stellen ein System vor, das automatisch lernt, Aktionen in einem Video zeitlich zu segmentieren und zu kennzeichnen, wobei die einzige verwendete Überwachung Aktionssätze sind. Eine Bewertung an drei Datensätzen zeigt, dass unsere Methode dennoch gute Ergebnisse erzielt, obwohl die Menge an Überwachung erheblich geringer ist als bei anderen verwandten Methoden.
Richard et al. (Fr,) haben diese Frage untersucht.