Action Verification from Procedural Video

La verifica delle azioni in video procedurali acquisiti da dispositivi indossabili è un compito cruciale per molte applicazioni, come l’assistenza in tempo reale, la formazione e il monitoraggio della conformità. Essere in grado di confermare se un utente ha eseguito correttamente una sequenza di azioni può migliorare significativamente l’efficienza e la sicurezza in contesti complessi.

L’obiettivo della tesi è sviluppare algoritmi capaci di verificare le azioni effettuati dall’utente da video procedurale acquisito da dispositivi indossabili.

Letture di riferimento:

• PREGO: Online Mistake Detection in PRocedural EGOcentric Videos. Alessandro Flaborea, Guido Maria D’Amely di Melendugno, Leonardo Plini, Luca Scofano, Edoardo De Matteis, Antonino Furnari, Giovanni Maria Farinella, Fabio Galasso; Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2024, pp. 18483-18492
• Seminara, L., Farinella, G. M., & Furnari, A. (2024). Differentiable Task Graph Learning: Procedural Activity Representation and Online Mistake Detection from Egocentric Videos. NeurIPS 2024.
• Shen, Yuhan, and Ehsan Elhamifar. “Progress-aware online action segmentation for egocentric procedural task videos.” Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2024.