本文提出了一种新的少样本学习框架 ——“Temporal Alignment Module (TAM)”，通过显式利用视频数据中的时序信息，计算查询视频与新类别代理之间的距离值以实现视频分类，并引入连续松弛以在端到端的学习中直接优化少样本学习目标，最后，在两个真实世界数据集上的评估表明，模型相比各种基线算法在少样本视频分类领域具有明显的提高。

Jun, 2019

本研究通过设计渐进式增强模块（PEM）和创建时间多样性损失（TD Loss）两种方法，以解决将 2D CNN 应用于视频分析中出现的重复和冗余信息利用问题，并在 Something-Something V1 和 V2 等基准时间推理数据集上取得 2.4％和 1.3％的性能改进，同时在大规模数据集 Kinetics 上也 witness 了超过基于 2D-CNN 的现有技术的性能提升。

Jul, 2020

提出了一个高效且高性能的 Temporal Shift Module (TSM)，它能够在进行时间建模时既保证计算效率又保持精度，并且在大规模训练方面具有比 3D 网络更高的可扩展性。

Sep, 2021

该研究提出了一种轻量级的顶部注意力模块 (TDAM)，通过迭代生成一个 “视觉探照灯”，以更多上下文相关的特征图上执行通道和空间调制，从而增强 CNN 在多个目标识别基准测试上的性能，并且能够在不需要显式监督的情况下本地化单个对象或特征。

Nov, 2021

该论文提出了一种基于 Temporal Shift Module 的 2D CNN 模型，既具有 3D CNN 的性能又保持了 2D CNN 的计算复杂度，并将该模型扩展至在线设置中，实现实时低延迟的在线视频识别和视频对象检测。该模型在 Something-Something 数据集上性能卓越，在 Jetson Nano 和 Galaxy Note8 等设备上的延迟也很低。

Nov, 2018

本文介绍了一种用于视频目标检测的空间 - 时间记忆网络，其核心是一种新颖的空间 - 时间记忆模块，用于模拟长期的时间外观和动态运动，并提出了一种新的 MatchTrans 模块来解决视频中的物体运动问题。作者的方法在 benchmark ImageNet VID 数据集上取得了最先进的结果，并且文章的实验表明了不同设计选择的贡献。

Dec, 2017

本文提出了一种基于 Temporal Saliency Integration (TSI) 块的运动识别方法，其中主要包含了 Salient Motion Excitation (SME) 模块和 Cross-perception Temporal Integration (CTI) 模块，通过这两个模块，可以高效地编码长短时序关系。

Jun, 2021

TempT 是一种新的测试时间适应方法，通过确保连续帧之间的预测的时间一致性，可以在视频中进行面部表情识别等计算机视觉任务中进行广泛应用的强大工具。我们使用流行的 2D CNN 基础架构对 TempT 在 AffWild2 数据集上进行性能评估，并证明其在与先前报告的性能相比具有竞争力，其有效性为其在各种现实世界应用中的使用提供了令人信服的概念证明。

Mar, 2023

研究使用类似双线性模块（ABM）的方法进行时间建模，在分割相邻帧的可视重复部分的情况下减少帧分类的计算成本，从而实现在无动态参数情况下进行高效的视频分类。

Jul, 2020

提出了一种称为 TEI 模块的有效的时序模块，它可插入现有的 2D CNN 中。与三维卷积相比，该方法学习时序特征的的范例不仅能够灵活有效地捕捉到时序结构，还具有高效性。

Nov, 2019