전환 구간의 잘못된 라벨
연속한 두 행동 사이에서 의미가 불명확한 프레임은 의사 라벨 오류가 생기기 쉽다. 이 방법은 이러한 모호한 구간에 무리하게 초기 라벨을 배정하지 않는다.
의사 라벨 앙상블
앙상블로 품질을 우선하는 의사 라벨열을 만든다. 모든 프레임을 덮지 않는 불완전한 라벨열이며, 모호한 구간의 프레임은 라벨 없이 남긴다.
반복 군집화
군집화를 통해 의사 라벨을 모호한 구간으로 점진적으로 전파한다. 갱신한 라벨열로 모델을 훈련하며 라벨 생성과 표현 학습을 이어간다.
구간 내부의 응집성
같은 행동 구간에 속한 프레임 특징이 더 모이도록 군집 손실을 추가한다. 초기의 미라벨 상태를 영구적으로 유지하는 방식과 달리 반복 과정에서 라벨을 갱신한다.
관련 문서
누락 주석에 강한 타임스탬프 행동 분할 / EM 기반 타임스탬프 행동 분할 / 타임스탬프 감독 행동 분할 / HVQ 행동 분할 / UARL 행동 분할 / 군집화