التجميع الهرمي الموزون زمنياً لتقسيم الأفعال بدون إشراف

التفصيل الزمني للأفعال يشير إلى استنتاج حدود المفاهيم البصرية ذات المعنى الموحد في الفيديوهات، وهو متطلب مهم للكثير من مهام فهم الفيديو. بالنسبة لهذه المهام وغيرها من مهام فهم الفيديو، حققت النماذج الإشرافية أداءً مشجعًا ولكنها تتطلب كمية كبيرة من التسميات التفصيلية على مستوى الإطارات. نقدم نهجًا تلقائيًا وكاملًا وغير إشرافي لتفصيل الأفعال في الفيديو لا يتطلب أي تدريب. اقتراحنا هو خوارزمية تجميع هرمي مؤقتة فعالة يمكنها جمع الإطارات ذات المعنى الموحد في الفيديو. أهم ما توصلنا إليه هو أن تمثيل الفيديو برسم بياني للجيران الأقرب (1-NN) مع الأخذ بعين الاعتبار التقدم الزمني كافٍ لتشكيل مجموعات مؤقتة ومتماسكة معنويًا من الإطارات، حيث قد تمثل كل مجموعة بعض الأفعال في الفيديو. بالإضافة إلى ذلك، نحدد خطوط أساس قوية غير إشرافية لتفصيل الأفعال ونظهر تحسينات أداء كبيرة على خمسة مجموعات بيانات صعبة لتفصيل الأفعال. رمزنا البرمجي متاح على الرابط: https://github.com/ssarfraz/FINCH-Clustering/tree/master/TW-FINCH