Awesome-Temporal-Action-Detection-Temporal-Action-Proposal-Generation

時間的行動検出および関連タスクに関する研究論文を収集した読書リストです。temporalという言葉は「時間ベース」を意味します：これらの論文は、ビデオ内で行動がいつ起こるかについてです。

プロジェクトの内容

これはリンク集であり、ソフトウェアではありません。実行することはできません。数百の論文を閲覧可能なインデックスに整理するだけです。各エントリは研究論文にリンクしています。一部のエントリはコードリポジトリ、ブログ記事、ビデオ講演にもリンクしています。

コアタスク

時間的行動検出（このリストの主要トピック）とは：

非構造化ビデオが与えられたとき、人間の行動が時間的にいつ始まり、いつ終わるか、そしてその行動が何であるかを見つけること。

例：監視ビデオには「殴る」と「走る」が別々の行動として含まれるかもしれません。目標はそれぞれの正確な開始時間と終了時間をマークすることです。

リストがカバーする内容

1. 時間的行動プロポーザル生成

行動を検出する前に、多くのシステムはまずプロポーザル（行動を含む可能性のある候補時間ウィンドウ）を生成します。これは独自の論文を持つ独立した研究ラインです。

2. 時間的行動検出（教師あり）

主流の研究分野。論文は完全なラベル（開始時間、終了時間、行動クラス）を持つトレーニングデータを前提としています。

3. 弱教師あり検出

詳細度の低いラベルでのトレーニング。正確な時間を与える代わりに、モデルに「このビデオのどこかに殴る行動がある」とだけ伝えます。モデルは自分でタイミングを推測する必要があります。

4. 半教師あり検出

ラベル付きとラベルなしのビデオの混合でのトレーニング。モデルはラベル付きのものをアンカーとして使用し、多くのラベルなしのものからも学習しようとします。

5. オンライン行動検出

ビデオの再生中にリアルタイムで行動を検出します。ビデオ全体を待つ必要はありません。リアルタイムシステムにはこれが必要です。

6. オープンボキャブラリ検出

トレーニング中に一度も見たことのない行動を、言語による説明で検出します。例：「走る」と「跳ぶ」でトレーニングされたシステムは、テキストの説明から「スケートボード」も認識する必要があります。

7. 事前学習モデルリソース

事前学習済みビデオエンコーダー（大規模なビデオデータでトレーニング済み）を提供する5つの論文。新しい検出タスクに再利用できます。例：BSP (ICCV 2021) と TSP。

8. ActivityNet チャレンジ

2021年ActivityNetコンペティション（行動検出のベンチマークコンペ）へのリンクと、Alibaba DAMO Academyからの講演録画リンク。

リストの構成方法

各トピックについて、論文は発表年（2016–2026）ごとにグループ化されています。これにより、分野の進化を追跡しやすくなります。

• 2026年のエントリはarXivとマークされています。
• 古いエントリ（「以前」セクション）は2016–2017年に遡ります。

リスト内のリンクタイプ

• 論文リンク（大多数）：arXiv、IEEE Xplore、CVF - Open Access (CVPR/ICCV)。
• コードリンク（一部のエントリ）：論文を実装したGitHubリポジトリ。
• 知乎リンク（中国のブログプラットフォーム）：特定の論文の中国語解説。
• 講演リンク：例：百度网盘（ファイル共有サービス）にホストされたVALSE講演録画、パスワード「7y8g」。

注目すべき詳細

• リストには公式コード（例：TensorFlow、PyTorch、PaddlePaddle）と非公式の再実装（例：code.PyTorch_unofficial）の両方が含まれています。これはエントリに明示されています。
• 一部のエントリには複数のコード移植版があります（例：BSNにはTensorFlowとPyTorchの両方のバージョンがあります）。
• リストは競技結果をマークしています：例：RapNetは「2019 ActivityNet task-1 2nd」（その競技で2位）とラベル付けされています。

対象読者

主にコンピュータビジョン研究者（大学院生、博士課程学生、エンジニア）で、論文、コード、ベースライン実装を探しています。リストは初心者向けのチュートリアルやハンズオンガイドを提供しません。

まとめ

シンプルでよく整理された参考文献リストです。その価値はキュレーション（質の高い論文の選択）と組織化（サブタスクと年によるグループ化）にあり、コードやツールではありません。