跳到正文
arXiv · AI· Bhavan Vasu, Giuseppe Raffa, Prasad Tadepalli·· 10 天前AI 评分29

基于因式时空解释的视频动作识别后验方法

Disentangling Where and When:Factored Spatio-Temporal Explanations for Video Action Recognition

AI 导读

该框架通过扰动产物将空间外观掩膜$M_a$与时间运动掩膜$M_m$解耦,联合优化以解释视频动作识别模型。 在EPIC-Kitchens-55等基准上,该方法取得最低删除AUC,且生成的掩膜比基线稀疏约5倍。 已被NeurIPS 2026会议接收。

来源:arXiv · AI · arxiv.org