时间行动细分:对现代技术的分析.

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能
• 机器学习 机器学习

背景情况:

• 时间动作细分 (TAS) 对于理解具有多个动作的长视频至关重要.
• 现有的研究已经迅速推进了TAS技术,但缺乏全面的调查.

研究的目的:

• 系统地分析和总结时间行动细分的重大贡献和趋势.
• 为研究人员提供TAS领域的结构化概述.

主要方法:

• 检查任务定义,基准,监督类型和评估指标.
• 系统地调查表示和时间建模技术.
• 根据监督级别对现有TAS工程进行分类的审查.

主要成果:

• 识别流行的方法及其性能特征.
• 分析不同监管策略对TAS的影响.
• 突出框架表示和时间建模方面的关键进展.

结论:

• 该调查巩固了关于时间行动细分的当前知识.
• 确定了一些研究差距,指导视频理解的未来研究方向.