Tag · 3 篇

时序动作分割

分布视频理解与时序2数据集与评测1

Spectral Scalpel: Amplifying Adjacent Action Discrepancy via Frequency-Selective Filtering for Skeleton-Based Action Segmentation

把频域选择性滤波当作可插拔模块，用于放大相邻动作在频谱上的差异，可直接迁移到其他需要锐化时序边界的密集预测任务（如视频动作分割、在线时序定位）。

MooCap: A Multi-View Benchmark for Cow-Object-Human Interaction and Behavior Dynamics

该基准提供了多视角同步视频、密集的23种行为标注和39个身体关键点，可用于评估和开发多实体交互感知的时序动作分割与基于关键点轨迹的行为识别模型，尤其是交互密集片段下的性能退化问题值得关注。

AXG-Reasoner: Error Detection and Explanation in Long Task Videos with Vision-Language Models

用冻结 VLM 配合动作执行图（AXG）与时序动作分割模型，把长视频切分成细粒度子动作片段，再用少量关键帧和增强提示逐段查询 VLM 做错误检测与解释；这套「TAS 分段 + 图对齐 + 稀疏关键帧查询」的流程可直接迁移到长视频中稀疏事件定位与细粒度时序推理任务。