Temporal Action Proposal

1. DAPs：Deep Action Proposals for Action Understanding

提出的目的：加快action proposal的速度，同时提高准确率

与之前方法的比较：由于action segments的长度不同，在之前的方法中需要设置不同的滑动窗口在多次扫描整个视频，在使用极大似然的方法找到最合适的segment，这种方法运行速度很慢。而DAPs只使用了一个滑窗就可以得到不同尺度的proposal，只对视频处理一遍。

方法：对于输入的整个视频先使用C3D网络来提取视频特征，在输入到LSTM网络来把这些特征串联起来，隐藏层h作为这个时间的特征，在使用滑动窗口来扫描整个特征序列，得到预测的action segment并且对每个segment打分。使用anchor机制，anchor的尺度使用K-means聚类来对实际的action segments处理，得到k种尺度的anchor，在得到不同尺度的segment。

缺点：生成的提议通常在时间边界上不够精确和灵活，无法覆盖不同持续时间的实际行动实例

2.SST: Single-Stream Temporal Action Proposals

提出的目的：在要求高的准确率和速度的基础上，加上了在尽量少的proposal上得到更准确的action segments。

与DAPs方法的比较：DAPs虽然可以使用一个滑动窗口得到不同尺度的segment，但是对每帧进行多次处理，找到最合适的尺度。SST方法可以只对每帧进行一次处理。

方法：对于输入的整个视频先使用C3D网络来提取视频特征，在输入到GRU网络来把这些特征串联起来(GRU比LSTM有更少的参数，因此速度更快)，在提取proposal的过程中，对每个时间节点t，以计算以t为终点对多个尺度的区间置信度c，在使用阈值和非极大值抑制的方法找到最终的proposal。

缺点：生成的提议通常在时间边界上不够精确和灵活，无法覆盖不同持续时间的实际行动实例

3.TURN TAP: Temporal Unit Regression Network for Temporal