Naver 在 2019 年 ActivityNet 挑战赛中——任务 B：活跃说话人检测（AVA）

本报告描述了我们在CVPR 2019 ActivityNet挑战赛中的提交方案。我们采用基于三维卷积神经网络（3D CNN）的前端模型和时间卷积与LSTM分类器的集成方法来预测可见人物是否在讲话。实验结果表明，我们的方法在AVA-ActiveSpeaker数据集上相比基线模型有显著提升。