内容纲要
本文关注少样本的动作识别。建立一个C3D的编码器，用来空间时序的视频模块来捕捉short-range的动作模式。这种encoded blocks通过permutation-invariant池化聚合，使得我们的方法对动作的长度和时序的长度都很鲁棒。随后，池化的表达结合到简单的关系米艾舒琪，来编码query和support切片。最终，关系描述子喂入到比较器中，比较support和query的相似度。最重要的，通过空间和时序的注意力注意力模块和自监督，我们重新赋予不同的权重。对于自然的clips，存在时序上分布偏移，可区分度的时序动作变化，因此，我们偶爱徐clip，使用相似度进行对齐。
看不下去了，不是很match
留言