Can的博客

虽然近年来无监督视频表征学习取得了显著的成就，但大多数现有的方法都是针对视频行为分类任务（TAC）进行设计和优化的。当应用于时序定位任务（TAL）时，由于视频级别分类和片段级别定位之间的固有差异，这些预先训练的模型的迁移性能会受限。为了缓解这一问题，我们首次尝试对时序行为定位任务进行无监督预训练，提出一种新的自监督代理任务，称为“伪动作定位（Pseudo Action Localization，PAL）”。

近期，arXiv上出现了一篇用于在线视频理解的高效卷积网络ECO。论文题目：《ECO: Efficient Convolutional Network for Online Video Understanding》。论文作者来自弗莱堡大学。 我自己实现了一个ECO的PyTorch版本，项目地址： https://github.com/zhang-can/ECO-pytorch 该repo进度...