arXiv cs.CV· Emma Norrby, Tomas Wilkinson, Per Nyblom, David Gustafsson·· 2 小时前AI 评分18
基于多帧表示预训练的事件相机动作识别
Event-based Action Recognition by Pre-Training on Multi-Frame Representations
AI 导读
研究提出一种多帧事件表示，识别性能显著优于单帧版本，并采用掩码自编码框架预训练 Vision Transformer，配合稀疏感知掩码算法与 token 选择机制控制计算复杂度。解码器引入多个 mask token 与位置感知注意力机制进一步提升性能，方法在 THU-EACT-50 CHL 和 DailyDVS-200 上取得 SOTA，擅长处理长时复杂事件序列。
来源：arXiv cs.CV · arxiv.org