Temporal Gaussian Mixture Layer for Videos
Temporal Gaussian Mixture Layer for Videos
复制标题
DOI：
--
复制
发表时间：
2018-03
期刊：
影响因子：
--
通讯作者：
A. Piergiovanni;M. Ryoo
中科院分区：
文献类型：
--
作者：
A. Piergiovanni;M. Ryoo
我们引入了一个新的卷积层，称为时间高斯混合（TGM）层，并介绍了如何使用它来有效地捕获连续活动视频中的长期时间信息。TGM层是一个时间卷积层，由一组更小的参数（例如，高斯分布的位置/方差）控制，这些参数是完全可微的。我们提出了用于活动检测的具有多个TGM层的全卷积视频模型。在多个数据集上的广泛实验，包括Charades和MultiTHUMOS，证实了TGM层的有效性，显著优于最先进的技术。
We introduce a new convolutional layer named the Temporal Gaussian Mixture (TGM) layer and present how it can be used to efficiently capture longer-term temporal information in continuous activity videos. The TGM layer is a temporal convolutional layer governed by a much smaller set of parameters (e.g., location/variance of Gaussians) that are fully differentiable. We present our fully convolutional video models with multiple TGM layers for activity detection. The extensive experiments on multiple datasets, including Charades and MultiTHUMOS, confirm the effectiveness of TGM layers, significantly outperforming the state-of-the-arts.