Action Detection via an Image Diffusion Process

行动检测旨在定位未经修剪的视频中动作实例的起始和结束点，并预测这些实例的类别。在本文中，我们观察到行动检测任务的输出可以被表述为图像。因此，从一个新的角度出发，我们通过提出的行动检测图像扩散（ADI-Diff）框架，通过三个图像生成过程生成起始点、结束点和动作类别预测作为图像。此外，由于我们的图像与自然图像不同并具有特殊属性，我们进一步探索了离散行动检测扩散过程和行列变换器设计，以更好地处理它们的处理。我们的ADI-Diff框架在两个广泛使用的数据集上实现了最先进的结果。

论文旨在解决视频动作检测问题，即定位未剪辑视频中动作实例的起始和结束点，并预测这些实例的类别。作者尝试将这个问题转化为生成图像的过程。

论文提出了一种名为ADI-Diff的框架，通过生成起始点、结束点和动作类别的预测图像来解决视频动作检测问题。此外，作者还提出了离散动作检测扩散过程和行列变换器设计，以更好地处理这些图像的特殊属性。

论文在两个广泛使用的数据集上取得了最先进的结果。实验设计合理，使用了开源代码和多个数据集。值得进一步研究的工作包括如何处理更复杂的视频数据以及如何进一步提高检测精度。

近期相关研究包括：'Temporal Action Detection with Structured Segment Networks'，'Action Detection in Video with Spatial and Temporal Contextual Information'，'Online Action Detection using Joint Classification-Regression Recurrent Neural Networks'等。