第一人称视频中的个人对象发现

人们知道并关心个人物品，这可能与个人有所不同。 因此，自动发现个人物品具有很大的实际意义。 在本文中，我们是基于可穿戴式相机来完成这项任务的，其常识是个人物体通常会在各种场景中陪伴我们。 有了这个线索，我们就可以利用新的对象场景分布进行鲁棒的检测。 解决了估计这种分布所涉及的两个技术挑战，即场景提取和无监督对象发现。 对于场景提取，我们学习了潜在的表示，而不是简单地从视频中选择几帧。 在对象发现中，我们建立一个交互模型以选择帧级对象并使用非参数贝叶斯聚类。 实验证明了我们方法的有效性。