A Survey on Deep Learning Techniques for Action Anticipation

要約

将来起こり得る人間の行動を予測する能力は、自動運転や人間とロボットのインタラクションなどの幅広いアプリケーションに不可欠です。
その結果、近年、行動を予測するための多くの方法が導入されており、特にディープラーニングベースのアプローチが人気です。
この研究では、特に日常生活のシナリオに焦点を当てて、行動予測アルゴリズムの最近の進歩をレビューします。
さらに、これらの手法を主な貢献度に応じて分類し、表形式にまとめて、読者が一目で詳細を把握できるようにしています。
さらに、アクションの予測に使用される共通の評価指標とデータセットを掘り下げ、体系的な議論によって将来の方向性を提供します。

要約(オリジナル)

The ability to anticipate possible future human actions is essential for a wide range of applications, including autonomous driving and human-robot interaction. Consequently, numerous methods have been introduced for action anticipation in recent years, with deep learning-based approaches being particularly popular. In this work, we review the recent advances of action anticipation algorithms with a particular focus on daily-living scenarios. Additionally, we classify these methods according to their primary contributions and summarize them in tabular form, allowing readers to grasp the details at a glance. Furthermore, we delve into the common evaluation metrics and datasets used for action anticipation and provide future directions with systematical discussions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google