本文提出了一种新颖的神经网络模块，可以将现有的单帧语义分割模型转化为视频语义分割流水线，并将过去帧中的语义信息聚合到内存模块中，并通过关注机制来对其进行访问。通过将这些提示与当前帧的编码进行融合，可以改善 Cityscapes 数据集上的分割性能，并只需增加 1.5ms 的推理时间。

Jan, 2021

本文探讨了通过在计算机视觉系统中使用记忆来改进视频流中的物体检测的精度和减少计算时间的问题。我们通过交替使用传统的特征提取器和极其轻量级的提取器展示了在存在时间记忆的情况下，进行准确检测所需的计算量是非常小的。此外，我们展示了记忆容纳了足够的信息以应用于强化学习算法来学习自适应推断策略。我们的模型在 Imaget VID 2015 数据集上实现了移动方法中的最先进性能，并在 Pixel 3 手机上以 70+ FPS 的速度运行。

Mar, 2019

该研究论文提出了一种局部匹配的解决方案，即区域性记忆网络（RMNet），用于半监督视频对象分割技术，旨在消除空间 - 时间记忆网络中的全局匹配误差并提高计算效率。实验表明， RMNet 在 DAVIS 和 YouTube-VOS 数据集上的表现优于现有的技术。

Mar, 2021

本文提出了全局 - 局部时间表征（GLTR）的方法，以利用视频序列中的多尺度时间线索进行视频人物重新识别。这种方法通过对相邻帧中的短时时间线索进行建模，然后捕捉不连续帧之间的长期关系来构建。其中，短期时间线索是通过不同的时间扩张率平行膨胀卷积来表示行人的运动和外貌。利用时间自我注意模型来捕捉长期关系，以减轻视频序列中的遮挡和噪音。最终，通过简单的单流卷积神经网络将短期和长期时间线索聚合形成 GLTR。在四个广泛使用的视频 ReID 数据集上，GLTR 相对于基于身体部分线索或度量学习学习到的现有特征表现出显著的优越性。例如，在 MARS 数据集上，它取得了 87.02％的 Rank-1 精度，而且没有经过一次排序，优于目前的最新技术水平。

Aug, 2019

探讨使用 CNN 特征表示整个视频以用于人类动作识别的问题，通过提取局部特征并将它们聚合成全局特征，将另一个映射函数用于将全局特征映射到全局标签

Jan, 2017

我们提出了一种分阶段空间全局 - 局部聚合网络，用于解决快速运动或多个姿势引起的特征退化问题，并提高在在线应用中的效率。

May, 2024

该研究提出 REMN，一种稳健高效的记忆网络，用于半监督视频物体分割，通过引入本地注意机制和动态记忆库，解决了非局部匹配和高时间冗余的问题，实验表明 REMN 在 DAVIS 2017 和 YouTube-VOS 2018 上均取得最新的成果，具有较高的推理速度和相对较少的计算资源。

Apr, 2023

该研究提出了一种新型的 LG-LSTM 框架，结合局部和全局信息，以实现计算机视觉中识别语义对象的精细像素级别识别，有着比其他现有方法更优越的性能。

Nov, 2015

本文提出了以 L2G 为核心的方法，通过本地分类网络从输入图像中随机获取多个局部路径进行注意提取，然后利用全局网络在线学习多个局部注意映射之间的互补关系，从全局视角学习对象的详细知识，从而产生高质量的注意地图，并将其直接用作语义分割网络的伪注释。

Apr, 2022

通过使用多层聚合架构和内存库的方式进行视频对象检测，提出了一种通过构建轻量级键值对和细粒度特征更新策略的方法，该方法可以提高特征增强的效果，实现了在速度和准确度方面超越现有最先进方法的性能。

Jan, 2024