Buchumschlag

Towards Precise Action Spotting: Addressing Temporal Misalignment in Labels with Dynamic Label Assignment

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Tamura, Masato
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Survey of Action Recognition, Spotting and Spatio-Temporal Localization in Soccer -- Current Trends and Research Perspectives
von: Seweryn, Karolina, et al.
Veröffentlicht: (2023)

Improving Multi-Label Contrastive Learning by Leveraging Label Distribution
von: Chen, Ning, et al.
Veröffentlicht: (2025)

LabelBench: A Comprehensive Framework for Benchmarking Adaptive Label-Efficient Learning
von: Zhang, Jifan, et al.
Veröffentlicht: (2023)

Towards Generalizing Temporal Action Segmentation to Unseen Views
von: Bahrami, Emad, et al.
Veröffentlicht: (2025)

Robust Self-Training with Closed-loop Label Correction for Learning from Noisy Labels
von: Lin, Zhanhui, et al.
Veröffentlicht: (2026)

Imprecise Label Learning: A Unified Framework for Learning with Various Imprecise Label Configurations
von: Chen, Hao, et al.
Veröffentlicht: (2023)

Towards Understanding Why Label Smoothing Degrades Selective Classification and How to Fix It
von: Xia, Guoxuan, et al.
Veröffentlicht: (2024)

Multi-Label Knowledge Distillation
von: Yang, Penghui, et al.
Veröffentlicht: (2023)

Expectation Maximization Pseudo Labels
von: Xu, Moucheng, et al.
Veröffentlicht: (2023)

To Label or Not to Label: PALM -- A Predictive Model for Evaluating Sample Efficiency in Active Learning Models
von: Machnio, Julia, et al.
Veröffentlicht: (2025)

Do We Need Large VLMs for Spotting Soccer Actions?
von: Chakraborty, Ritabrata, et al.
Veröffentlicht: (2025)

Temporal Misalignment in ANN-SNN Conversion and Its Mitigation via Probabilistic Spiking Neurons
von: Bojković, Velibor, et al.
Veröffentlicht: (2025)

Label Dropout: Improved Deep Learning Echocardiography Segmentation Using Multiple Datasets With Domain Shift and Partial Labelling
von: Islam, Iman, et al.
Veröffentlicht: (2024)

Towards Improved Imbalance Robustness in Continual Multi-Label Learning with Dual Output Spiking Architecture (DOSA)
von: Mishra, Sourav, et al.
Veröffentlicht: (2024)

Label Semantics for Robust Hyperspectral Image Classification
von: Hassan, Rafin, et al.
Veröffentlicht: (2025)

Multi-Head Encoding for Extreme Label Classification
von: Liang, Daojun, et al.
Veröffentlicht: (2024)

Label-free Neural Semantic Image Synthesis
von: Wang, Jiayi, et al.
Veröffentlicht: (2024)

MaxSup: Overcoming Representation Collapse in Label Smoothing
von: Zhou, Yuxuan, et al.
Veröffentlicht: (2025)

A Conformal Prediction Score that is Robust to Label Noise
von: Penso, Coby, et al.
Veröffentlicht: (2024)

Multi-Label Contrastive Learning for Abstract Visual Reasoning
von: Małkiński, Mikołaj, et al.
Veröffentlicht: (2020)

libcll: an Extendable Python Toolkit for Complementary-Label Learning
von: Ye, Nai-Xuan, et al.
Veröffentlicht: (2024)

Action-Agnostic Point-Level Supervision for Temporal Action Detection
von: Yoshida, Shuhei M., et al.
Veröffentlicht: (2024)

Effortless Active Labeling for Long-Term Test-Time Adaptation
von: Wang, Guowei, et al.
Veröffentlicht: (2025)

Adversarial Semantic and Label Perturbation Attack for Pedestrian Attribute Recognition
von: Kong, Weizhe, et al.
Veröffentlicht: (2025)

Sample Selection via Contrastive Fragmentation for Noisy Label Regression
von: Kim, Chris Dongjoo, et al.
Veröffentlicht: (2025)

ArtifactLens: Hundreds of Labels Are Enough for Artifact Detection with VLMs
von: Burgess, James, et al.
Veröffentlicht: (2026)

Data Stream Sampling with Fuzzy Task Boundaries and Noisy Labels
von: Chen, Yu-Hsi
Veröffentlicht: (2024)

May the Forgetting Be with You: Alternate Replay for Learning with Noisy Labels
von: Millunzi, Monica, et al.
Veröffentlicht: (2024)

Understanding and Mitigating Human-Labelling Errors in Supervised Contrastive Learning
von: Long, Zijun, et al.
Veröffentlicht: (2024)

PHI-S: Distribution Balancing for Label-Free Multi-Teacher Distillation
von: Ranzinger, Mike, et al.
Veröffentlicht: (2024)

Soft Label Pruning and Quantization for Large-Scale Dataset Distillation
von: Lingao, Xiao, et al.
Veröffentlicht: (2026)

Joint-Task Regularization for Partially Labeled Multi-Task Learning
von: Nishi, Kento, et al.
Veröffentlicht: (2024)

Jaccard Metric Losses: Optimizing the Jaccard Index with Soft Labels
von: Wang, Zifu, et al.
Veröffentlicht: (2023)

Dice Semimetric Losses: Optimizing the Dice Score with Soft Labels
von: Wang, Zifu, et al.
Veröffentlicht: (2023)

Understanding and Mitigating the Label Noise in Pre-training on Downstream Tasks
von: Chen, Hao, et al.
Veröffentlicht: (2023)

AETTA: Label-Free Accuracy Estimation for Test-Time Adaptation
von: Lee, Taeckyung, et al.
Veröffentlicht: (2024)

No Labels Needed: Zero-Shot Image Classification with Collaborative Self-Learning
von: Todescato, Matheus Vinícius, et al.
Veröffentlicht: (2025)

Using In-Context Learning for Automatic Defect Labelling of Display Manufacturing Data
von: Hussain, Babar, et al.
Veröffentlicht: (2025)

Scaling Semantic Categories: Investigating the Impact on Vision Transformer Labeling Performance
von: Lamelas, Anthony, et al.
Veröffentlicht: (2025)

Adapting Vision-Language Models Without Labels: A Comprehensive Survey
von: Dong, Hao, et al.
Veröffentlicht: (2025)