TURN TAP: Temporal Unit Regression Network for Temporal Action Proposals

Result:
Thumos14IoU=0.5时，MAP为25.6%

Motivation:
1）之前的S-CNN工作通过sliding windows，划分出proposal区域，为了获得高recall ，所以sliding windows 很密集，但是却high computation。
2）windows间有很多overlap，这些都是不必要的。

Contribution：
1）再做是/不是proposal的二分类基础上，同时进行temporal boundaries 的调整（通过temporal coordinate regression）。
2）S-CNN是将视频切分为 16, 32, 64, 128, 256, 512 （overlap 15%），现在是将视频切分为video units (no overlap)。

Method:
先将原视频剪成无重叠的短视频（6/16/32frames），对每段短视频采用现有的模型提取特征（C3D，双流CNN），得到特征单元（unit features）。