반복 정제의 다른 방식
다단계 모델이 예측을 점차 다듬듯 확산 과정도 반복적으로 결과를 개선한다. 이 방법은 영상 특징을 조건으로 무작위 잡음에서 행동 예측을 생성한다.
마스크로 배우는 특성
행동의 위치 사전, 모호한 경계와 관계 의존성을 다루도록 조건 입력을 가리는 전략을 제시한다. 생성할 출력뿐 아니라 어떤 조건 정보를 주는지도 학습 설계에 포함된다.
생성과 인식
결과를 생성한다고 과제의 정답 정의가 달라지는 것은 아니다. 최종 출력은 영상의 시간에 맞는 행동 분할이며, 임의로 그럴듯한 행동 순서를 만드는 문제와 구분된다.
반복 비용과 평가
GTEA, 50Salads와 Breakfast에서 성능을 평가했다. 반복 생성 단계의 수와 경계 정확도, 과분할 및 전체 추론 비용을 함께 비교해야 다른 정제 방식과 차이를 판단할 수 있다.
관련 문서
MS-TCN / ASFormer / ASRF 행동 구간 정제 / Assembly101 / HA-ViD / 확산 모델