비디오 시퀀스에서 시간적 규칙성 학습

장시간 비디오 시퀀스에서 의미 있는 활동을 인식하는 것은 '의미성'의 모호한 정의와 장면 내의 혼란 때문에 어려운 문제입니다. 우리는 이 문제를 제한된 감독 하에 여러 소스로부터 일반적인 운동 패턴, 즉 규칙성을 학습하는 생성 모델을 통해 접근합니다. 구체적으로, 자동인코더가 적은 감독 또는 전혀 없는 감독 하에서도 작동할 수 있는 능력을 활용하여 두 가지 방법을 제안합니다. 첫 번째로, 전통적인 수작업으로 만든 시공간 국소 특징을 활용하여 완전 연결 자동인코더를 학습시킵니다. 두 번째로, 완전 합성곱 순방향 자동인코더를 구축하여 국소 특징과 분류기를 모두 포함하는 엔드투엔드 학습 프레임워크를 통해 학습시킵니다. 우리의 모델은 여러 데이터셋에서 규칙성을 포착할 수 있습니다. 우리는 질적 및 양적 평가 방식을 통해 우리의 방법들을 평가합니다 - 다양한 측면에서 학습된 비디오의 규칙성을 보여주고, 이상 탐지 데이터셋에서 경쟁력 있는 성능을 입증함으로써 이를 응용합니다.