استخلاص اكتمال الإجراء من النقاط لتحديد المواقع الزمنية للإجراءات الضعيفة التدريب

ن tackled مشكلة تحديد الفترات الزمنية للإجراءات باستخدام علامة إطار وحيد لكل حالة إجراء أثناء التدريب. وبسبب ندرة العلامات، يفشل العمل الحالي في تعلُّم اكتمال الإجراء، مما يؤدي إلى تنبؤات إجرائية مجزأة. في هذه الورقة، نقترح إطارًا جديدًا، حيث يتم إنشاء علامات افتراضية كثيفة لتوفير توجيه للاكتمال للنموذج. بشكل محدد، نبدأ بتحديد نقاط خلفية افتراضية لتعويض العلامات على مستوى النقطة للإجراءات. ثم، وباستخدام هذه النقاط كبذور، نبحث عن التسلسل الأمثل الذي من المرجح أن يحتوي على حالات إجرائية كاملة مع التوافق مع البذور. وللتمكين من تعلُّم الاتّمَام من التسلسل المُكتسب، نقدّم خسائر مبتكرة جديدة تُقارن بين حالات الإجراء والخلفية من حيث الدرجة الإجرائية والتشابه المميزي على التوالي. تُظهر النتائج التجريبية أن التوجيه للاكتمال يساعد فعلاً النموذج على تحديد حالات إجرائية كاملة، مما يؤدي إلى تحسين كبير في الأداء، خاصة عند استخدام عتبات IoU العالية. علاوةً على ذلك، نُظهر تفوق طريقتنا على الطرق الحالية المُتقدمة في أربع مجموعات بيانات: THUMOS'14، GTEA، BEOID، وActivityNet. وتجدر الإشارة إلى أن طريقتنا تُظهر أداءً مماثلاً للطرق المُعلَّمة بالكامل الحديثة، مع تكلفة تسمية تقل عن الستة أضعاف. يمكن الوصول إلى الشفرة المصدرية لدينا من خلال الرابط: https://github.com/Pilhyeon.