MultiCounter+: Toward Efficient and Robust Multi-Instance Repetitive Action Counting

Yin Tang

doi:10.1109/tcsvt.2026.3670243

MultiCounter+: Toward Efficient and Robust Multi-Instance Repetitive Action Counting

2026-01-01

0

PRE

AI

DOI：10.1109/tcsvt.2026.3670243

原文链接

摘要

En 中文

重复动作计数（RAC）旨在估计给定视频中的重复动作数量，这在以人为中心的领域如体育和锻炼中很常见。然而，现有方法专注于单重复假设，即仅涉及一个实例的重复动作，这无法在现实场景中进行多重复计数。在本文中，我们引入了多实例重复动作计数（MRAC）的新任务，旨在同时检测多个人体实例、对其进行时序跟踪，并计算重复动作的数量。为此，我们提出了MultiCounter+，一个高效且鲁棒的人工智能框架，融合了多个关键组件。具体而言，MultiCounter+首先采用混合时空交互来高效地进行帧间上下文关联。其次，MultiCounter+设计了具有时空一致性和长短周期意识的任务特定头，以实现精确的重复计数和对动作无关重复的鲁棒泛化。最后，我们开发了一个MRAC数据集（MultiRep）来训练MultiCounter+，并进一步利用大规模合成数据预训练流程来增强模型泛化能力，为适应不同的动作模式和人实例数量提供了坚实基础。在MultiRep和现有RAC数据集上的广泛实验证明了MultiCounter+的优越性能和泛化能力。代码和模型可在MultiCounterPlus获取。

MultiCounter+: Toward Efficient and Robust Multi-Instance Repetitive Action Counting

摘要

期刊

机构

引用论文