Group Activity Recognition in Computer Vision: A Comprehensive Review, Challenges, and Future Perspectives

要約

グループ アクティビティの認識は、コンピューター ビジョンの注目のトピックです。
グループの関係性を通じてアクティビティを認識することは、グループのアクティビティの認識において重要な役割を果たします。
ビデオ分析、監視、自動運転、社会活動の理解など、さまざまなシナリオで実用的な意味を持ちます。
このモデルの主要な機能には、シーン内の階層関係を効率的にモデル化し、グループから独特の時空間特徴を正確に抽出することが含まれます。
このテクノロジーは広範囲に適用できるため、グループ活動の特定は研究で大きな注目を集めています。
この研究では、グローバルな双方向性と活動に特に焦点を当てて、グループ活動を認識するためのテクノロジーの現在の進歩を調査します。
まず、空間構造、記述子、非深層学習、階層型リカレント ニューラル ネットワーク (HRNN)、関係モデル、注意メカニズムに基づく従来の方法論から最新の方法まで、関連する文献とさまざまなグループ活動認識アプローチを包括的にレビューします。
続いて、各モジュールのリレーショナル ネットワークとリレーショナル アーキテクチャを示します。
第三に、グループ活動を認識する方法を調査し、そのパフォーマンスを最先端のテクノロジーと比較します。
既存の課題を要約し、初心者がグループ活動の認識を理解するための包括的なガイダンスを提供します。
さらに、グループ活動認識における新たな視点を検討し、新たな方向性と可能性を探ります。

要約(オリジナル)

Group activity recognition is a hot topic in computer vision. Recognizing activities through group relationships plays a vital role in group activity recognition. It holds practical implications in various scenarios, such as video analysis, surveillance, automatic driving, and understanding social activities. The model’s key capabilities encompass efficiently modeling hierarchical relationships within a scene and accurately extracting distinctive spatiotemporal features from groups. Given this technology’s extensive applicability, identifying group activities has garnered significant research attention. This work examines the current progress in technology for recognizing group activities, with a specific focus on global interactivity and activities. Firstly, we comprehensively review the pertinent literature and various group activity recognition approaches, from traditional methodologies to the latest methods based on spatial structure, descriptors, non-deep learning, hierarchical recurrent neural networks (HRNN), relationship models, and attention mechanisms. Subsequently, we present the relational network and relational architectures for each module. Thirdly, we investigate methods for recognizing group activity and compare their performance with state-of-the-art technologies. We summarize the existing challenges and provide comprehensive guidance for newcomers to understand group activity recognition. Furthermore, we review emerging perspectives in group activity recognition to explore new directions and possibilities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google