프레임 정답의 대안
동영상은 짧은 자료 집합에서도 프레임 수가 커질 수 있다. 이 프레임워크는 모든 프레임의 행동 정답을 요구하지 않는 약한 감독 학습을 다룬다.
비터비 기반 학습
동영상의 행동열과 프레임을 연결하는 추론에 비터비 기반 손실을 사용한다. 이 손실을 통해 약하게 주석된 자료를 온라인으로 점진적으로 학습할 수 있게 한다.
문맥과 길이
프레임의 시각 정보만이 아니라 행동의 문맥과 구간 길이를 명시적으로 모델링한다. 서로 비슷한 프레임이 나와도 전체 순서와 지속 시간을 고려해 분할하도록 하는 단서다.
결과를 해석하는 범위
관련 연구는 여러 행동 분할 벤치마크에서 구간화와 라벨링을 평가했다. 당시 비교 결과와 현재의 다른 학습 조건은 구분해야 하며, 약한 주석도 학습에 주어진 감독 정보다.
관련 문서
CDFL 행동 분할 / ASOT 행동 분할 / 연속 시간 임베딩 기반 행동 학습 / MS-TCN / 비터비 알고리즘 / 약지도 학습