1.Introduction
理解时间序列对于解决AI集中的许多问题很重要。最近,使用LSTM的RNN架构(Hochreiter&Schmidhuber,1997)已成功地用于各种监督序列学习任务,如语音识别(Graves&Jaitly,2014),机器翻译(Sutskever等,2014; Cho等,2014)和图像字幕生成(Vinyals等,2014)。它们也被应用于视频中的动作识别和产生自然语言描述(Donahue等,2014)。 Sutskever et al(2014)描述了一个通用的seq-seq学习框架,其中使用RNN将输入序列编码为固定长度的表示,然后使用另一个RNN对该表示解码出一个输出序列。在本文中,我们应用和扩展这个框架,来学习图像序列的表示。我们选择在无监督设置下工作,因为我们只能访问未标记的视频的数据集