HyperAIHyperAI

Command Palette

Search for a command to run...

تعلم البنية الزمانية-المكانية من مقاطع الفيديو RGB-D للكشف عن النشاط البشري والتوقع المسبق

Hema S. Koppula Ashutosh Saxena

الملخص

ننظر في مشكلة كشف الأنشطة الماضية، وكذلك التنبؤ بالنشاط الذي سيحدث في المستقبل وكيفية حدوثه. نبدأ بتمثيل العلاقات الغنية المكانية-الزمنية بين وضعيات الإنسان والأدوات (المعروفة باسم "الإمكانيات" أو affordances) باستخدام حقل منطق مشروط (CRF). ومع ذلك، نظرًا للغموض الناتج عن تقسيم الأنشطة الفرعية التي تشكل النشاط من حيث الزمن، سواء في الماضي أو في المستقبل، فإن هنالك أكثر من هيكل رسم بياني ممكن. في هذه الورقة، نعالج هذه الاحتمالات البديلة من خلال التفكير في عدة هيكل رسم بياني محتمل. نحصل على هذه الهياكل من خلال تقريب الرسم البياني باستخدام فقط ميزات جمعية، مما يسهل استخدام البرمجة الديناميكية بكفاءة. وباستخدام هذا الهيكل الابتدائي، نصمم حركات لاستخلاص عدة هياكل رسم بياني محتملة أخرى محتملة. ونُظهر أن نهجنا يُحسّن بشكل ملحوظ الأداء الحالي في كشف الأنشطة الماضية، وكذلك في التنبؤ بالأنشطة المستقبلية، على مجموعة بيانات مكوّنة من 120 فيديو لنشاطات تم جمعها من أربعة أشخاص.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
تعلم البنية الزمانية-المكانية من مقاطع الفيديو RGB-D للكشف عن النشاط البشري والتوقع المسبق | مستندات | HyperAI