경계 부근의 시간적 모호함
행동이 바뀌는 순간의 프레임은 한 행동의 전형적인 모습만 담지 않을 수 있다. 구간 안의 연속성만 활용하면 이런 전환 영역의 모호함을 충분히 다루기 어렵다.
서로 닮은 행동 단계
다른 행동들도 시작 단계처럼 일부 구간에서는 비슷한 모습을 보일 수 있다. 외형이 유사하지만 라벨은 다른 프레임이 모델을 혼동시키는 문제도 고려한다.
분포로 표현하는 상태
각 프레임을 여러 행동의 확률을 나타내는 분포로 모델링한다. 불확실한 전환 표현과 행동이 진행되는 경향을 학습에 활용하는 방식이다.
평가 범위
Breakfast, GTEA, 50Salads에서 평가했다. 확률 분포를 사용한다는 구조적 특징과 실제 예측의 보정 품질은 구별해야 하며, 불확실성 모델링 자체가 오류 없는 경계를 보장하지는 않는다.
관련 문서
ASRF 행동 구간 정제 / Diffusion Action Segmentation / 타임스탬프 감독 행동 분할 / CDFL 행동 분할 / 불확실성 / 확률 분포