15.93 14.4.18 Modos de segmentación
| Modo | Entradas | Salida |
|---|---|---|
M0-Manual |
video/sensors plus annotator | reviewed events and segments with annotator uncertainty |
M1-RuleAnchored |
contact events and kinematic thresholds | interpretable baseline with profile-specific rules |
M2-ChangePoint |
multivariate feature stream | unlabeled or weakly labeled candidate boundaries |
M3-ProbabilisticDuration |
features, transition graph and duration models | HMM/HSMM-like state posterior and MAP segmentation |
M4-LearnedTAS |
frame/clip features and labels or weak supervision | frame posterior, boundaries and segments from TCN/Transformer family |
M5-HybridConstrained |
learned emissions plus contact anchors, grammar and durations | offline constrained segmentation; recommended production target |
Los TCN y MS-TCN demostraron segmentación temporal frame a frame y refinamiento contra sobresegmentación [P44-R4, P44-R5]. ASFormer añade modelado Transformer eficiente [P44-R6]. La supervisión por timestamps reduce costo de anotación [P44-R7], mientras la representación jerárquica puede refinar segmentos fuera de contexto [P44-R8].
PELT ofrece una familia de métodos de changepoints penalizados [P44-R9]; los HSMM permiten modelar duración explícita [P44-R10]. Ninguno debe aplicarse como caja negra: las fronteras de contacto y constraints físicos siguen siendo parte del contrato.
Para producción offline se recomienda
M5-HybridConstrained: emisiones aprendidas + anchors 14.3 +
gramática + duración + revisión humana.