本文提出了一种新的框架来量化视频数据中经常性动态的存在和强度，并通过将非线性时间序列分析的思想与计算拓扑的思想相结合，将在视频数据中找到经常性动态的问题转化为确定相关几何空间的圆形性或环形性来提供周期性（完美重复）和准周期性（具有非可比周期的周期模式的叠加）的连续度量。经过广泛的测试，我们证明了我们的得分对于几个噪声模型 / 水平的鲁棒性，并且我们的周期性得分在与人类生成的周期性排名相比时优于其他方法，而我们的准周期性得分清楚地表明了振动声门的视频中存在双音发声，这在以前从未 quantitatvely 完成。

Apr, 2017

本文介绍了一种利用时间自相似性作为中间表征的方法，通过一定的限制来预测视频中重复动作的周期，结果表明，该模型在现有周期性和重复计数基准测试任务上显著超越现有技术，并在新的数据集 Countix 上显示了鲁棒性。

Jun, 2020

本文提出结合离线特征提取和时间卷积网络从全面的时间分辨率角度理解重复动作，设计了不需要下采样即可保留所有重复内容的重复计数网络，并利用动态扩展的时间感受野框架来检索所有重复内容，实验证明该方法优于或可与其他方法相媲美。

May, 2023

视频内的动作周期重复计数是一项旨在量化重复动作周期的任务，本研究提出了一种新方法，利用动作查询表示定位重复的动作周期，并进一步开发了两个关键组件，以解决时间重复计数的基本挑战。

Mar, 2024

本研究提出了一种上下文感知、不受时间尺度影响的框架，用于解决复杂重复动作的数量估计问题。通过回归方法和粗到细的循环长度细化方法，该框架能够准确地捕获不同领域的重复模式，此外，还构建了一个新的、最大的基准来促进该领域的训练和评估。

May, 2020

本文提出了一种使用卷积神经网络对视频进行表示并使用 ReActNet 对视频进行分类的方法，以定位视频中的有重复运动的部分。该方法可处理任何数量和持续时间的重复段，并具有较好的通用性和性能。

Oct, 2019

本文提出基于多级小波分析的视频预测网络，以应对图像失真和时间不一致等现有预测模型所存在的问题，大量实验结果表明，本方法相较其他最先进的方法，具有更高的保真度和时间一致性。

Feb, 2020

本文提出了一种基于 2D 相机且不受关注区域限制的计算廉价的方法估算周期性驱动的噪声 LTI 通道，并将其应用于呼吸模式 (RP) 的识别。通过将各个空间位置建模为噪声受到污染的线性时不变的（LTI）带有未知系统动力学的测量通道，来实现 RP 的估算， 然后将其作为盲卷积问题，并通过包括子空间投影和统计聚合的方法来解决。本方法在 31 名健康人类主体上进行实验，与同时获取的障碍性肺囊容积测定仪的基础真相相比，该估算器具有良好的相关性措施，尽管在衣物图案，视野角度和 ROI 的可变性方面。

Nov, 2016

使用事件相机对周期性现象进行测量的一种新方法，通过计算事件空间中时空窗口的相关性来估计频率，并通过峰值之间的时间差计算周期，该方法是非接触的且无需标记物，评估结果显示在周期性现象的三个实例中，相对误差低于 0.04%。

Feb, 2024

通过使用压缩感知和稀疏表示来恢复水下图像，进一步结合基于局部多项式扩展的光流算法，成功提高了图像质量，并在非刚体运动估计领域做出了创新性贡献。

Aug, 2019