弱监督的动作识别综述

3C-Net: Category Count and Center Loss for Weakly-Supervised Action Localization

创新点：两个loss  —— center loss 和 count loss

Completeness Modeling and Context Separation for Weakly Supervised Temporal Action Localization 

 创新点：环境信息和动作信息的分辨，可以通过 gan 来进行 辨别，主要讲了一个动作相关的帧 相对要糊以及动作伸展要大，然后就建立了一个网络。

Weakly-Supervised Action Localization by Generative Attention Modeling

DGAM模型：通过建模不同注意力为条件的帧级表示 来区分行为和语境 VAE用了

Adversarial Background-Aware Loss for Weakly-supervised Temporal Activity Localization

两个loss  也是改善 context和动作混的

Two-Stream Consensus Network for Weakly-Supervised Temporal Action Localization

阈值改善

知乎博主：

 

石海超