本文提出了一种动作检测方法，使用从2D图像中物体检测领域的最新进展，利用形状和运动线索建立动作模型，并通过运动显著性选择图像区域提取时空特征建立强分类器，得出了时间一致的动作检测结果。

Nov, 2014

提出了一种利用稀疏空间监督的方法来进行时空人类行为定位，该方法结合了最先进的人类检测技术和基于检测的跟踪方法来提取人物轨迹，并使用稀疏的空间标注帧来选择正负管道，以实现有效地学习基于稠密轨迹或CNN的时空动作检测器。

May, 2016

提出了一个新的方法，利用三个阶段的框架实现了视频中多个并发动作的时空本地化（检测）和分类，通过动态规划构建了最有可能与单个动作实例相关联的检测框序列，其表现在 UCF101、J-HMDB-21 和 LIRIS-HARL 数据集上都显著优于现有结果，改进最大检出率（mAP）比之前提高了约20％和11％。

Aug, 2016

本文介绍了一种实时、在线的联合标注和关联算法，用于动作检测，可以增量构建空间-时间动作管，在最具挑战性的动作视频中，可以同时发生不同的动作类别，其实时关联准确度和速度优于当前最先进的离线系统。

Apr, 2017

本文通过提出 ACT-detector，结合对象检测中的anchor boxes思想，利用视频的时间连续性进行动作检测，结果表明在J-HMDB和UCF-101数据集上，我们的 ACT-detector 检测方法在帧-平均精度 (frame-mAP) 和视频-平均精度 (video-mAP)上都优于基于帧的最新方法，特别是具有高重叠阈值时，精度和定位都得到了显著的提升。

May, 2017

本文提出通过静态和运动信息的早期和后期融合检测和跟踪点匹配算法实现视频中时空动作检测，并使用递归3D卷积神经网络来预测并确定生成的动作分类和时间边界。通过引入动作足迹图以及R3DCNN卷积层中保留的特定空间特征来细化候选框，并在三个公共数据集上获得了优越的检测结果：UCFSports、J-HMDB和UCF101。

Nov, 2018

本文提出了一种Coarse-to-Fine Action Detector (CFAD)框架，用于高效的时空动作定位，该框架将视频流分为粗动作管和精细动作管，分别利用长时信息建立粗管，并在关键时间戳的指导下选择性地调整管的位置。实验结果表明，CFAD在UCF101-24、UCFSports和JHMDB-21等行动检测基准上都取得了有竞争力的结果，并且推理速度比最近的竞争对手快3.3倍。

Aug, 2020

本研究提出了一种高效的稀疏到密集的框架，通过单次前向传递从视频流中生成动作管提议，既利用了长期信息，又利用了短期信息，设计了动态特征采样模块(DTS)，评估了我们的模型在UCF101-24，JHMDB-21和UCFSports基准数据集上的有效性，结果表明我们的框架比最近竞争对手快7.6倍。

Aug, 2020

本文提出了一种简单的解决方案 TubeR，用于实现时空视频动作检测，可以有效地增强模型容量，并且直接产生变长动作管道，并在常用的行动检测数据集 AVA、UCF101-24 和 JHMDB51-21 上优于先前的最佳状态。

Apr, 2021

提出一种基于Transformer、全端到端的模型，该模型直接处理输入视频并输出一系列边界框和每一帧的动作类别，能够使用稀疏边界框基础训练或完整灯管基础训练训练，且无需额外的前处理或后处理即可预测出高质量的结果，并在四个不同的局部性数据集上取得优异的实验成果。

Apr, 2023