动作建议处理模型

该模型独立处理每个动作建议，充分学习内部特征，避免冗余信息干扰，从而实现更有效的检测。

Hu, Xuejiao · Dai, Jingzhao · 李明 · 李杨 · 都思丹

Neurocomputing 2025

技术优势

算得快

独立处理每个建议，无需构建建议间的关系图，避免了昂贵的关系建模计算。

省内存

不需要存储所有建议之间的关系表示，内存占用显著降低。

抗冗余

只关注建议内部特征，避免聚合来自其他建议的冗余信息，从而提升检测准确性。

效果不打折

在保持高准确率的同时，比关系学习方法显著更快，在标准基准上达到有竞争力的性能。

应用场景

• 视频动作检测：用于识别视频中发生的动作，可替代基于关系建模的耗时方法。
• 时序动作定位：定位动作的起止时间，高效处理大量建议从而支持实时应用。
• 智能视频分析：为视频分析提供快速准确的动作检测，适用于大规模视频处理。
• 视频理解：作为视频内容理解的基础模块，无需复杂关系建模即可完成检测。