摘要

点级时间动作定位（Point-Level Temporal Action Localization, PTAL）旨在仅依赖每个动作实例的一个时间戳标注，对未剪辑视频中的动作进行定位。现有方法通常采用帧级预测范式，从稀疏的单帧标签中学习，但此类框架不可避免地面临解空间过大的问题。本文尝试探索基于提议（proposal-based）的预测范式来处理点级标注，该范式具有更受约束的解空间，并能保证相邻帧间预测结果的一致性。首先，利用点级标注作为关键点监督信号，训练一个关键点检测器；在位置预测阶段，引入一个简单而有效的映射模块（mapper module），该模块支持梯度反向传播，从而实现从全监督框架向弱监督设置的平滑过渡。据我们所知，这是首个将全监督范式应用于点级标注设置的工作。在THUMOS14、BEOID和GTEA数据集上的实验结果表明，所提出方法在定性和定量两个方面均表现出优越性能，显著优于当前最先进的方法。