Reconocimiento de acciones egocéntricas usando Visual Transformers

Autores
Giusto, Maximiliano; Buemi, María Elena
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El reconocimiento de acciones es importante para la comprensión de videos, más aún cuando se trata de videos egocéntricos.Existen múltiples aplicaciones para este tipo de reconocimiento, como el monitoreo automático y continuo de actividades de la vida cotidiana, resumen de videos, interpretación de interacciones sociales, entre otros. El desafío de este tipo de videos se encuentra en la velocidad de la cámara, oclusiones y fondos de escena desordenados. Una manera de abordar este problema se centra en explorar la información de la ubicación de las manos y objetos del portador del dispositivo de captura (Gopro, HoloLens). Con el fin de disminuir el costo computacional, un abordaje es utilizar datos 2D. En este estudio se propone el reconocimiento de acciones egocéntricas empleando la pose 2D de manos y objetos para la clasificación de secuencias utilizando un método basado en la combinación de YOLOv8 y Visual Transfomer sobre un subconjunto del dataset H2O.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
reconocimiento de acciones egoncéntricas
visual transformer
datos 2D
keypoints
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/190461
Acceder
id SEDICI_33bb68de38a06de5b899b46a2477f095
oai_identifier_str oai:sedici.unlp.edu.ar:10915/190461
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Reconocimiento de acciones egocéntricas usando Visual TransformersGiusto, MaximilianoBuemi, María ElenaCiencias Informáticasreconocimiento de acciones egoncéntricasvisual transformerdatos 2DkeypointsEl reconocimiento de acciones es importante para la comprensión de videos, más aún cuando se trata de videos egocéntricos.Existen múltiples aplicaciones para este tipo de reconocimiento, como el monitoreo automático y continuo de actividades de la vida cotidiana, resumen de videos, interpretación de interacciones sociales, entre otros. El desafío de este tipo de videos se encuentra en la velocidad de la cámara, oclusiones y fondos de escena desordenados. Una manera de abordar este problema se centra en explorar la información de la ubicación de las manos y objetos del portador del dispositivo de captura (Gopro, HoloLens). Con el fin de disminuir el costo computacional, un abordaje es utilizar datos 2D. En este estudio se propone el reconocimiento de acciones egocéntricas empleando la pose 2D de manos y objetos para la clasificación de secuencias utilizando un método basado en la combinación de YOLOv8 y Visual Transfomer sobre un subconjunto del dataset H2O.Sociedad Argentina de Informática e Investigación Operativa2025-08info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf58-64http://sedici.unlp.edu.ar/handle/10915/190461spainfo:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/19569info:eu-repo/semantics/altIdentifier/issn/2451-7496info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-03-31T12:41:22Zoai:sedici.unlp.edu.ar:10915/190461Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-03-31 12:41:22.339SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Reconocimiento de acciones egocéntricas usando Visual Transformers
title Reconocimiento de acciones egocéntricas usando Visual Transformers
spellingShingle Reconocimiento de acciones egocéntricas usando Visual Transformers
Giusto, Maximiliano
Ciencias Informáticas
reconocimiento de acciones egoncéntricas
visual transformer
datos 2D
keypoints
title_short Reconocimiento de acciones egocéntricas usando Visual Transformers
title_full Reconocimiento de acciones egocéntricas usando Visual Transformers
title_fullStr Reconocimiento de acciones egocéntricas usando Visual Transformers
title_full_unstemmed Reconocimiento de acciones egocéntricas usando Visual Transformers
title_sort Reconocimiento de acciones egocéntricas usando Visual Transformers
dc.creator.none.fl_str_mv Giusto, Maximiliano
Buemi, María Elena
author Giusto, Maximiliano
author_facet Giusto, Maximiliano
Buemi, María Elena
author_role author
author2 Buemi, María Elena
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
reconocimiento de acciones egoncéntricas
visual transformer
datos 2D
keypoints
topic Ciencias Informáticas
reconocimiento de acciones egoncéntricas
visual transformer
datos 2D
keypoints
dc.description.none.fl_txt_mv El reconocimiento de acciones es importante para la comprensión de videos, más aún cuando se trata de videos egocéntricos.Existen múltiples aplicaciones para este tipo de reconocimiento, como el monitoreo automático y continuo de actividades de la vida cotidiana, resumen de videos, interpretación de interacciones sociales, entre otros. El desafío de este tipo de videos se encuentra en la velocidad de la cámara, oclusiones y fondos de escena desordenados. Una manera de abordar este problema se centra en explorar la información de la ubicación de las manos y objetos del portador del dispositivo de captura (Gopro, HoloLens). Con el fin de disminuir el costo computacional, un abordaje es utilizar datos 2D. En este estudio se propone el reconocimiento de acciones egocéntricas empleando la pose 2D de manos y objetos para la clasificación de secuencias utilizando un método basado en la combinación de YOLOv8 y Visual Transfomer sobre un subconjunto del dataset H2O.
Sociedad Argentina de Informática e Investigación Operativa
description El reconocimiento de acciones es importante para la comprensión de videos, más aún cuando se trata de videos egocéntricos.Existen múltiples aplicaciones para este tipo de reconocimiento, como el monitoreo automático y continuo de actividades de la vida cotidiana, resumen de videos, interpretación de interacciones sociales, entre otros. El desafío de este tipo de videos se encuentra en la velocidad de la cámara, oclusiones y fondos de escena desordenados. Una manera de abordar este problema se centra en explorar la información de la ubicación de las manos y objetos del portador del dispositivo de captura (Gopro, HoloLens). Con el fin de disminuir el costo computacional, un abordaje es utilizar datos 2D. En este estudio se propone el reconocimiento de acciones egocéntricas empleando la pose 2D de manos y objetos para la clasificación de secuencias utilizando un método basado en la combinación de YOLOv8 y Visual Transfomer sobre un subconjunto del dataset H2O.
publishDate 2025
dc.date.none.fl_str_mv 2025-08
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/190461
url http://sedici.unlp.edu.ar/handle/10915/190461
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/19569
info:eu-repo/semantics/altIdentifier/issn/2451-7496
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
58-64
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1861199750170148864
score 13.332987

Publicaciones similares