Künstliche Intelligenz benötigt für das Verständnis komplexer menschlicher Handlungen normalerweise umfangreiche Trainingsdaten. In realen Szenarien ist es jedoch oft schwierig, ausreichend Videodaten für spezifische Aktionen zu beschaffen. Ein Forschungsteam unter der Leitung von Professor Jae-Pil Heo vom Department of Software der Sungkyunkwan University in Südkorea hat kürzlich eine neuartige KI-Technologie entwickelt, die neue Aktionen anhand nur weniger Beispielvideos genau erkennen kann.
Diese Technologie konzentriert sich auf die Few-Shot-Aktionserkennung und ermöglicht es der KI, aus wenigen Beispielen Merkmale neuer Aktionen zu erlernen und zu unterscheiden. Der Kernansatz des Teams besteht darin, Videos durch effiziente Zusammenfassung der Schlüsselaktionen zu vergleichen, anstatt sich auf traditionelle, komplexe Berechnungen wie die zeitlich sequenzielle Analyse jedes Einzelbildes des gesamten Videos zu verlassen. Das Team extrahiert und organisiert Schlüsselaktionsmuster aus jedem Video basierend auf mehreren Kriterien. Dadurch kann das KI-System Aktionen effektiver vergleichen und Ähnlichkeiten sowie Unterschiede präziser erkennen.
Ein entscheidender Vorteil dieser Technologie ist ihre Robustheit gegenüber Variationen in Geschwindigkeit und Dauer einer Aktion. Selbst wenn dieselbe Aktion aufgrund individueller Gewohnheiten oder Aufnahmebedingungen mit unterschiedlicher Geschwindigkeit oder Dauer ausgeführt wird, kann der Algorithmus zuverlässig das Wesen der Aktion erfassen und sie trotz dieser zeitlichen Variationen effektiv identifizieren.
Diese Leistung erhielt internationale Anerkennung für ihre akademische Bedeutung und technische Exzellenz. Der entsprechende Beitrag wurde als Vortrag für die im vergangenen Juni in Nashville, USA, abgehaltene „Conference on Computer Vision and Pattern Recognition“ (CVPR 2025) ausgewählt und in der Zeitschrift „2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)“ veröffentlicht.
Es wird erwartet, dass diese Few-Shot-Aktionserkennungstechnologie eine wichtige Rolle in einer Vielzahl von Anwendungen spielen wird, die ein fortgeschrittenes Videoverständnis erfordern. Dazu gehören Sportbewegungsanalysen, intelligente Sicherheitssysteme zur Erkennung gefährlicher Situationen und das autonome Verhaltenslernen von Robotern.
Veröffentlichungsdetails: Autor: Sungkyunkwan University; Titel: „AI tech recognizes human actions from just a few example videos“; erschienen in: „2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)“ (2025).
