【论文笔记】FineGym: A Hierarchical Video Dataset for Fine-grained Action Understanding（CVPR2020满分论文）
《FineGym: A Hierarchical Video Dataset for Fine-grained Action Understanding》这篇论文来自港中文的林达华团队，是今年CVPR2020的满分论文，特此写博客分析一下。
论文地址：https://arxiv.org/abs/2004.06704
项目地址：https://sdolivia.github.io/FineGym/
首先，视频中的动作理解一直是计算机视觉领域的热点研究方向。原有的工作一般都是面向粗粒度的动作识别与分析，在许多现有数据集上相关研究已经遇到了瓶颈。这篇工作则独树一帜，提出了一个大规模、高质量、层级化标注的细粒度人体动作数据集：FineGym。在这一数据集上，对现有的各类动作识别方法从多个层级多个角度进行了分析，得了很多有趣的结果，对领域一些固有结论产生了挑战，也为未来的研究带来了一些启发。
值得什么人关注？ 对视频动作识别、检测、生成等感兴趣的研究者。此外，论文中的分析表明在FineGym上现有的人体检测和姿态估计方法的结果误差很大，因而从事相关工作的研究者也可关注一下。
首先是数据集的标注，非常复杂
原创文章 6获赞 7访问量 2684
关注
私信
展开阅读全文
作者：小珈猫
