基于变压器的高时间维度解码网络（THTD-Net）是一种用于视频显著性预测的策略，通过对时态特征进行聚合，从而在常见基准测试中展现出与多分支和过于复杂模型相当的性能。

Jan, 2024

该研究提出了一种名为 TDNet 的时态分布网络，旨在实现快速准确的视频语义分割，该网络使用深度卷积神经网络从视频中提取特征，并通过逐帧分布的方式，引入了新颖的注意力传播模块和分组知识蒸馏损失函数，从而达到了较高的分割准确率和更低的延迟。

Apr, 2020

提出一种新的时序显著性查询机制，引入类别特定信息为显著性测量提供精细线索，并在 TSQNet 中实现了两种检索机制和跨模态交互，从而解决现有技术对类别的不确定性和上下文缺失等问题，并在 ActivityNet，FCVID 和 Mini-Kinetics 数据集上获得了最好的成果。

Jul, 2022

本研究提出了基于深度学习的时空注意力预测模型，其中采用两条流网络架构，探究了不同的信息融合机制。实验结果表明，采用运动信息可以有助于静态注意力估计，并取得了与最先进模型相竞争的结果。

Jul, 2016

通过引入空间 - 时间变形注意力模块实现局部空间 - 时间特征融合，本研究提出的 STNet 在每个编码器和解码器阶段都能有效地进行深度特征聚合，同时引入编码器特征洗牌策略提高多帧预测的检测速度。实验结果显示，STNet 在公共乳腺病变超声视频数据集上达到最先进的检测性能，同时有两倍的推理速度。

Sep, 2023

本文提出了一种名为 Triple Excitation Network 的简单而有效的方法，强化三个方面的视频显着目标检测的训练：空间、时间和在线激发，实验表明该方法优于现有的图像和视频显着目标检测方法。

Jul, 2020

该研究提出了一种短决策窗口的新型听觉空间注意力检测模型 TAnet，通过使用多头注意力机制更有效地捕捉脑电信号的时间步间相互作用，并为这些时间步分配相应的权重，进一步提高了听觉空间注意力检测的性能。实验证明，相比于基于 CNN 的方法和最新的 ASAD 方法，在 KUL 数据集中，使用短决策窗口时，TAnet 表现出更好的解码性能，准确率分别为 92.4%（决策窗口为 0.1 秒）、94.9%（0.25 秒）、95.1%（0.3 秒）、95.4%（0.4 秒）和 95.5%（0.5 秒）。作为一种具有短决策窗口的新型 ASAD 模型，TAnet 有望促进脑电控制智能助听器和声音识别系统的设计。

Jan, 2024

本研究提出了一种基于多级特征的三维卷积编码器 - 解码器构架，有效地提高了视频显著性模型的精度和实时性，压倒性地超越了现有的同类方法。

May, 2021

本文提出了一个深度学习模型，通过数据增强技术和动态显著性模型来高效地检测视频中的显著区域，该模型在 DAVIS 和 FBMS 数据集上达到了最新的性能标准。

Feb, 2017

本文提出了一种新颖的设计，即 TDConvED，它在视频字幕生成中充分利用编码器和解码器网络中的卷积，具有卷积块结构，在编码器中进一步配备时间变形卷积以实现时间采样的自由形变，并利用时间关注机制进行句子生成，在 MSVD 和 MSR-VTT 视频字幕生成数据集上进行了广泛实验，在与常规基于 RNN 的编码器解码器技术进行比较时获得更好的结果。

May, 2019