DiffTAD: Temporal Action Detection with Proposal Denoising Diffusion. (arXiv:2303.14863v2 [cs.CV] UPDATED)

時間的行動検知を拡散モデルで解いた論文（ICCV2023）．時間的行動検知を動画エンコーダが出力する特徴量で条件づけられた生成タスクとみなす．ノイズの乗った行動区間候補をデノイズ（逆拡散）して行動区間を予測する，という形で拡散モデルの定式化に乗せる．ActivityNetとTHUMOSによる評価で従来法を上回る．

基本情報

@misc{nag2023difftad,
      title={DiffTAD: Temporal Action Detection with Proposal Denoising Diffusion}, 
      author={Sauradip Nag and Xiatian Zhu and Jiankang Deng and Yi-Zhe Song and Tao Xiang},
      year={2023},
      eprint={2303.14863},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

論文リンク

arXiv / GitHub

著者・所属

• Sauradip Nag, Xiatian Zhu, Jiankang Deng, Yi-Zhe Song, Tao Xiang

新規性

手法

結果

議論・コメント

関連文献

• Shoufa Chen, Peize Sun, Yibing Song, and Ping Luo. Diffusiondet: Diffusion model for object detection. arXiv preprint arXiv:2211.09788, 2022
  • 物体検知をデノイジング拡散モデルとして定式化した論文

Tags