4 个月前

基于跨流原型对比的自监督视频表征学习

基于跨流原型对比的自监督视频表征学习

摘要

实例级对比学习技术依赖于数据增强和对比损失函数,在视觉表示学习领域取得了显著成功。然而,这些技术并不适合利用视频中的丰富动态结构,因为操作是在许多增强实例上进行的。在本文中,我们提出了一种新颖的方法——“视频跨流原型对比”(Video Cross-Stream Prototypical Contrasting),该方法从RGB视图和光流视图中预测一致的原型分配,操作对象为样本集。具体而言,我们交替优化过程;在优化其中一个流时,所有视图都被映射到一组流原型向量。每个分配都是通过除匹配预测视图外的所有视图进行预测的,从而将表示推向其分配的原型。因此,该方法能够在推理过程中无需显式计算光流的情况下,学习到包含运动信息的更高效的视频嵌入。我们在最近邻视频检索和动作识别任务上获得了最先进的结果,在使用S3D骨干网络的情况下,在UCF101数据集上的Top-1准确率比之前最佳方法提高了3.2%(达到90.5%),而在使用R(2+1)D骨干网络的情况下,在UCF101数据集上的准确率提高了7.2%,在HMDB51数据集上的准确率提高了15.1%。

代码仓库

martinetoering/ViCC
官方
pytorch
GitHub 中提及

基准测试

基准方法指标
self-supervised-action-recognition-on-hmdb51ViCC (R2+1D; RGB)
Frozen: false
Pre-Training Dataset: UCF101
Top-1 Accuracy: 52.4
self-supervised-action-recognition-on-hmdb51ViCC (S3D; R+F)
Frozen: false
Pre-Training Dataset: UCF101
Top-1 Accuracy: 62.2
self-supervised-action-recognition-on-hmdb51ViCC (R2+1D; R+F)
Frozen: false
Pre-Training Dataset: UCF101
Top-1 Accuracy: 61.5
self-supervised-action-recognition-on-hmdb51ViCC (S3D; RGB)
Frozen: true
Pre-Training Dataset: UCF101
Top-1 Accuracy: 38.5
self-supervised-action-recognition-on-hmdb51-1ViCC (R2+1D; RGB)
Pretraining Dataset: UCF101
Top-1 Accuracy: 52.4
self-supervised-action-recognition-on-hmdb51-1ViCC (S3D; RGB))
Pretraining Dataset: UCF101
Top-1 Accuracy: 47.9
self-supervised-action-recognition-on-hmdb51-1ViCC (S3D; R+F)
Pretraining Dataset: UCF101
Top-1 Accuracy: 62.2
self-supervised-action-recognition-on-ucf101ViCC (S3D; R+F)
3-fold Accuracy: 90.5
Frozen: false
Pre-Training Dataset: UCF101
self-supervised-action-recognition-on-ucf101ViCC (S3D; RGB)
3-fold Accuracy: 72.2
Frozen: true
Pre-Training Dataset: UCF101
self-supervised-action-recognition-on-ucf101ViCC (S3D; RGB)
3-fold Accuracy: 88.8
Frozen: false
Pre-Training Dataset: UCF101
self-supervised-action-recognition-on-ucf101ViCC (R2+1D; RGB)
3-fold Accuracy: 82.8
Frozen: false
Pre-Training Dataset: UCF101
self-supervised-action-recognition-on-ucf101ViCC (R2+1D; R+F)
3-fold Accuracy: 88.8
Frozen: false
Pre-Training Dataset: UCF101
self-supervised-action-recognition-on-ucf101-1ViCC (R2+1D; RGB)
3-fold Accuracy: 82.8
Pretrain: UCF101
self-supervised-action-recognition-on-ucf101-1ViCC (R2+1D; R+F)
3-fold Accuracy: 88.8
Pretrain: UCF101
self-supervised-action-recognition-on-ucf101-1ViCC (S3D; R+F)
3-fold Accuracy: 90.5
Pretrain: UCF101
self-supervised-action-recognition-on-ucf101-1ViCC (S3D; RGB)
3-fold Accuracy: 84.3
Pretrain: UCF101

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供