可以从视频中学到人类活动。通过有效的建模，不仅可以发现动作标签，还可以发现活动的时间结构，例如子活动的进展。从原始视频信号自动识别这种结构是一项新功能，可保证进行可靠的建模并成功识别人与物体之间的相互作用。为了实现这一目标，我们引入了异步稀疏交互图网络（ASSIGN），这是一种递归图网络，能够自动检测与视频场景中的实体相关联的交互事件的结构。ASSIGN率先学习视频实体的自主行为，包括其动态结构以及与并存邻居的互动。实体 我们模型中的生活与其他人的生活是异步的，因此在适应复杂场景时更加灵活。他们之间的互动在时间上是稀疏的，因此更加忠实于真实的内在本质，并且在推论和学习上也更加健壮。ASSIGN经过了人与对象交互识别的测试，在分割和标记人类子活动以及原始视频中的对象馈赠方面显示出卓越的性能。发现模型的时间结构的本机能力还消除了以前对该任务必不可少的对外部分段的依赖。ASSIGN经过了人与对象交互识别的测试，在分割和标记人类子活动以及原始视频中的对象馈赠方面显示出卓越的性能。发现模型的时间结构的本机能力还消除了以前对该任务必不可少的对外部分段的依赖。ASSIGN经过了人与对象交互识别的测试，在分割和标记人类子活动以及原始视频中的对象馈赠方面显示出卓越的性能。发现模型的时间结构的本机能力还消除了以前对该任务必不可少的对外部分段的依赖。



"点击查看英文标题和摘要"