要約
本論文では、単一の入力動画から訓練データを必要とせずに行動分割タスクに適した行動表現を学習する新しい完全非監督フレームワークを提案します。当手法は、類似度分布に対して三つ組損失を作用させる浅層ネットワークに基づく深層計量学習アプローチであり、時間的および意味的な事前知識を効果的にモデル化する新しい三つ組選択戦略を採用しています。これにより、新規表現空間において行動を発見することが可能となります。このような条件下で、我々は既存の非監督アプローチと比較してより高品質な時間境界を学習した行動表現で回復することに成功しました。提案手法は、行動分割タスクで広く使用されている2つのベンチマークデータセットで評価され、学習された表現に一般的なクラスタリングアルゴリズムを適用することで競争力のある性能を達成しています。