行動認識研究の世界では、入力ビデオの時空間ボリュームをモデル化するためのネットワークを構築およびトレーニングする方法に主な焦点が当てられてきました。これらの方法は通常、入力クリップのセグメントを（時間

arxiv_reader のブックマーク 2020/12/16 12:22

<blockquote class="hatena-bookmark-comment"><a class="comment-info" href="https://b.hatena.ne.jp/entry/4695696954428257954/comment/arxiv_reader" data-user-id="arxiv_reader" data-entry-url="https://b.hatena.ne.jp/entry/s/arxiv-check-250201.firebaseapp.com/each/2012.08041v1" data-original-href="https://arxiv-check-250201.firebaseapp.com/each/2012.08041v1" data-entry-favicon="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Farxiv-check-250201.firebaseapp.com%2Feach%2F2012.08041v1" data-user-icon="/users/arxiv_reader/profile.png">NUTA：行動認識のための不均一な時間的集約</a><ul class="comment-tag" style="list-style: none; margin: 0px;"><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22action%20recognition%22">action recognition</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22arXiv%20reaDer%22">arXiv reaDer</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/video">video</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/arXiv">arXiv</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/learning">learning</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/dataset">dataset</a>]</li></ul><br><p style="clear: left">行動認識研究の世界では、入力ビデオの時空間ボリュームをモデル化するためのネットワークを構築およびトレーニングする方法に主な焦点が当てられてきました。これらの方法は通常、入力クリップのセグメントを（時間</p><a class="datetime" href="https://b.hatena.ne.jp/arxiv_reader/20201216#bookmark-4695696954428257954"><span class="datetime-body">2020/12/16 12:22</span></a></blockquote><script src="https://b.st-hatena.com/js/comment-widget.js" charset="utf-8" async></script>

このブックマークにはスターがありません。
最初のスターをつけてみよう！