This paper presents a novel task together with a new benchmark for detecting generic, taxonomy-free event boundaries that segment a whole video into chunks. Conventional work in temporal video segmentation and action detection focuses on localizing pre-defined action categories and thus does not scale to generic videos. Cognitive Science has known since last century that humans consistently segment videos into meaningful temporal chunks. This segmentation happens naturally, without pre-defined event categories and without being explicitly asked to do so. Here, we repeat these cognitive experiments on mainstream CV datasets; with our novel annotation guideline which addresses the complexities of taxonomy-free event boundary annotation, we introduce the task of Generic Event Boundary Detection (GEBD) and the new benchmark Kinetics-GEBD. Our Kinetics-GEBD has the largest number of boundaries (e.g. 32x of ActivityNet, 8x of EPIC-Kitchens-100) which are in-the-wild, open-vocabulary, cover generic event change, and respect human perception diversity. We view GEBD as an important stepping stone towards understanding the video as a whole, and believe it has been previously neglected due to a lack of proper task definition and annotations. Through experiment and human study we demonstrate the value of the annotations. Further, we benchmark supervised and un-supervised GEBD approaches on the TAPOS dataset and our Kinetics-GEBD, together with method design explorations that suggest future directions. We release our annotations and baseline codes at CVPR'21 LOVEU Challenge: https://sites.google.com/view/loveucvpr21
翻译:本文展示了一个新任务, 以及用于检测非常规、 无分类事件界限的新基准, 将整个视频分割成块块。 时间视频分割和行动探测的常规工作侧重于将预定义的行动类别本地化, 因而不比通用视频更多。 认知科学自上世纪以来一直知道, 人类持续将视频分割成有意义的时间块。 这种分割自然发生, 没有预定义的事件类别, 也没有明确要求这样做。 在这里, 我们重复了主流 CV 数据集的认知实验; 我们的新说明准则, 解决了无分类事件边界注释的复杂性。 我们把GEBD 视为通用事件边界探测( GEBD) 和新的基调基调- GEBD 的任务。 我们的 Enciates- GEB 拥有最大的界限( 例如: 活动网的32x, EPIC- Kitchens- 100 的8x) 。 我们重复了主流 CVV 的认知实验实验实验, 覆盖了普通事件解释, 尊重人类认知多样性。 我们将GE21 D视为一个重要的踏脚石, 理解了我们先前的、 历史定义 和历史估价 以及历史估价, 我们相信了我们未来的基准 的 的正确定义, 我们没有正确定义, 我们没有了C-, 我们的 和历史的 的 和历史定义, 我们没有了对C- d 的 的 和历史的 的 和历史的 的 的 的 的 的 的 的 的 的 和历史的 和历史的 解释 和历史的 解释, 我们的 和历史的 展示, 我们的 和历史的正确的 和历史的 和历史的 的 和历史的 展示了我们没有了我们的正确的 。