단정적 라벨의 문제
적은 시점 주석을 모든 프레임으로 확장하면서 하나의 정답처럼 고정하면 주석 가정이 어긋날 때 문제가 커질 수 있다. 이 방법은 미주석 프레임의 불확실성을 학습에 반영한다.
EM 기반 접근
기댓값 최대화에 기반해 라벨 불확실성을 활용하고 가능한 주석 오류를 수용하도록 설계했다. 제공된 타임스탬프가 항상 모든 행동 구간을 대표한다고 단정하지 않는 방향이다.
Skip-tag 감독
영상에서 정해진 수의 임의 프레임을 주석하는 설정이다. 모든 행동 구간에 타임스탬프가 있다는 조건보다 제약을 완화해 다른 주석 상황을 평가한다.
누락 조건의 평가
정확한 타임스탬프와 행동 구간이 누락된 주석을 구분해 결과를 살펴봤다. 특정 실험에서의 안정성은 모든 종류의 주석 오류에 대한 보장을 의미하지 않는다.
관련 문서
타임스탬프 감독 행동 분할 / UARL 행동 분할 / UVAST / MuCon 행동 분할 / 기댓값 최대화 알고리즘 / 약지도 학습