Temporal Action Detection: ¿Cuál es la importancia de la acción y del fondo

Keywords:
machine learning deep learning video computer vision
Prerrequisitos:
IIC2233

La detección temporal de actividades (Temporal Action Detection, TAD) consiste en localizar segmentos temporalmente, identificando el tiempo de inicio y de termino, en videos no cortados y clasificarlos dentro de un conjunto de actividades. Esto suele ser utilizado en tareas de análisis de video, monitoreo industrial, sistemas recomendadores, entre otros. El objetivo de esta investigación es poder comprender el impacto de alterar el contenido de los videos como, por ejemplo, cortando la actividad o entregando menos información de fondo (toda parte del video que no sea una actividad). Para esto, se busca un estudiante que pueda apoyar en la evaluación de distintos modelos del estado del arte para TAD en estos datasets modificados. Es recomendable tener un manejo básico de GitHub y conocer de manera general el funcionamento de modelos de deep learning utilizando PyTorch.

Fecha de Creación 26/06/2025
Vacantes Disponibles 1/1
Créditos 10
Modalidad Nota 1-7
¿Es CMD?
De tener un carácter Interdisciplinario puede ser considerado como OFG
No
Mentores
  • Tito Andre Arevalo (Responsable)
Estudiantes de doctorado que ayudarán mentoreando en esta investigación María Marza
¿Es pública?
Las oportunidades públicas son visibles para personas externas a la plataforma
¿Es postulable?
Las oportunidades postulables son visibles para estudiantes y tienen vacantes disponible
¿Tiene fecha límite?
La oportunidad dejará de ser postulable después de la fecha límite
No