arXiv cs.CV· Kansuke Habano·· 3 小时前AI 评分37
第一人称视频嵌入编码了什么，以及如何与惯性传感器结合做人体活动识别
What Egocentric Video Embeddings Encode and How to Combine Them with Inertial Sensors for Human Activity Recognition
AI 导读
VideoMAEv2、CLIP、DINOv2 与第一人称 VC-1 的嵌入主方向由相机朝向主导：头部朝向在 Ego-Exo4D 上可解释第一人称相机（R² 0.49-0.70），在 WEAR 上则由场景布局解释。
来源：arXiv cs.CV · arxiv.org