라벨보다 분포를 정제하기
초기 행동 라벨을 여러 신경망 단계로 반복 수정하는 방식과 달리, 프레임별 클래스 확률 분포를 확산 과정으로 보정한다. 어떤 행동인지에 대한 불확실성을 명시적으로 표현하는 설계다.
닫힌 형태의 확산
디리클레 확산 과정은 해석적으로 계산 가능한 닫힌 형태를 갖는다. 복잡한 반복 정제 단계를 줄이면서 확률 분포를 다루기 위한 특징이다.
핵심 프레임의 추정
가벼운 모듈이 일부 핵심 프레임에서 확산 매개변수를 추정한다. 모든 프레임에서 같은 추정 연산을 반복하는 부담을 줄이려는 구조다.
평가 조건
Breakfast, GTEA, 50Salads, Assembly101에서 평가했다. 확산 기반 행동 분할이라는 공통점만으로 다른 가우시안 잡음 기반 방법과 같은 과정이라고 해석해서는 안 된다.
관련 문서
UARL 행동 분할 / Diffusion Action Segmentation / EffiDiffAct / ASFormer / Assembly101 / 디리클레 분포