كشف الحدث الزمني دون اقتراح عبر تعلّم قناع التجزئة الشامل

تعتمد الطرق الحالية للكشف عن الأفعال الزمنية (TAD) على إنشاء عدد هائل من الاقتراحات لكل فيديو. يؤدي ذلك إلى تصميم نماذج معقدة نظرًا لعملية إنشاء الاقتراحات و/أو تقييم كل اقتراح كمُثَلٍ للعملية، مما ينتج عنه تكلفة حسابية عالية. في هذه الدراسة، ولفترة أولى، نقترح نموذجًا جديدًا للكشف عن الأفعال الزمنية يُسمى TAGS (الكشف الزمني للأنشطة بدون اقتراحات باستخدام قناع التجزئة الشاملة). تكمن الفكرة الأساسية في تعلُّم قناع تجزئة شامل لكل مُثَلٍ للعملية في كامل طول الفيديو. يختلف نموذج TAGS بشكل كبير عن الطرق التقليدية القائمة على الاقتراحات من خلال التركيز على تعلُّم التمثيل الزمني الشامل للكشف مباشرة عن نقاط البدء والنهاية المحلية للأنشطة دون الحاجة إلى اقتراحات. علاوةً على ذلك، وبفضل نمط النموذج الشامل الذي يعالج مشكلة الكشف عن الأفعال الزمنية بشكل متكامل بدلاً من التفكير بشكل محلي على مستوى كل اقتراح على حدة، فإن TAGS يحتاج إلى بنية نموذجية أبسط وبتكلفة حسابية أقل. أظهرت التجارب الواسعة أن TAGS، على الرغم من بساطة تصميمه، يتفوق على الطرق الحالية للكشف عن الأفعال الزمنية، ويحقق أداءً جديدًا في مستوى الحد الأقصى على حالتين من المعايير. وبشكل مهم، فإن تدريبه أسرع بحوالي 20 مرة، وفعّال أكثر في التقييم بنسبة 1.6 مرة. يمكن الوصول إلى النسخة المُطبقة بلغة PyTorch الخاصة بـ TAGS عبر الرابط التالي: https://github.com/sauradip/TAGS.