提出了一种使用 CDC 网络和 3D ConvNets 实现时间上精细边界检测的方法，并达到了非常高的效率和性能。

Mar, 2017

我们提出了一种基于 R-C3D 模型的视频流活动检测方法，通过提取关键的时空特征来定位和分类实现高效监测，该模型具有端到端的训练方式和较快的运行速度，在多个数据集上取得了最佳的效果。

Mar, 2017

该研究引入了新模型 R-C3D 来进行连续未修剪视频流的时间活动检测，包括提取有意义的时空特征来捕捉活动、准确定位每个活动的开始和结束时间，并通过将原始 RGB 流与基于光流的运动流进行有效整合，进一步提高了检测性能。通过在三个基准数据集上的实验，该模型在 THUMOS'14 和 Charades 数据集上取得了最先进的结果，并证明其是一种通用的时间活动检测框架。

Jun, 2019

本文研究了几种用于视频分析的时空卷积形式，并研究了它们对动作识别的影响。我们在残差学习的框架下，实证演示了 3D CNNs 相对于 2D CNNs 的准确性优势。此外，我们还表明把 3D 卷积滤波器分解成单独的时空分量会显著提高准确性。最终，我们设计了一个新的时空卷积块 “R (2+1) D”，这种方法产生的 CNN 的结果与最新技术相当甚至更好，可以在 Sports-1M、Kinetics、UCF101 和 HMDB51 数据集上取得更好的表现。

Nov, 2017

本文提出了一种新颖的神经操作，通过在三个正交视图上进行 2D 卷积，协同编码了时空特征，并通过权值共享来促进空间和时间特征的学习，此方法在大规模基准测试中取得了最优性能，并通过对不同视图学习的系数进行量化，探讨了空间和时间特征的贡献，以提高模型的解释性并指导视频识别算法的设计。

Mar, 2019

介绍了一种新的 Temporal Convolutional Networks 模型，可用于对视频中动作的细粒度分割和检测，具有高效性和良好的表现。

Nov, 2016

本文提出一种时序保留卷积网络 (TPC Network)，利用 TPC 过滤器为三维卷积神经网络 (3D ConvNets) 提供全面的时间分辨率和空间分辨率压缩，实现了帧级别粒度的动作本地化，该网络可进行端到端训练，并在公共数据集上取得了显著的改进。

Aug, 2017

本文提出了一种使用新型解释性模型 TCN 进行 3D 人体动作识别任务的方法 Res-TCN，并在最大的 3D 人体动作识别数据集 NTU-RGBD 上取得了最新的成果。

Apr, 2017

本研究将 3D 卷积和后期时间建模相结合，采用 BERT 层代替传统的时间全局平均池化层，以更好地利用 BERT 的注意力机制处理时序信息。研究表明，这一替换提高了许多流行的 3D 卷积架构的动作识别性能，并在 HMDB51 和 UCF101 数据集上均取得了最佳性能，分别为 85.10％和 98.69％的 top-1 准确率。

Aug, 2020

该论文研究了使用 3D CNNs 进行动作识别时，使用两个网络（时空流和时间流）的效果，并发现在时间流中存在动作表示，但其在时空流中缺失；另外也展示了如何通过引入蒸馏方法，将时空流中缺失的动作信息膨胀输出，进而提高 3D CNNs 的准确率。

Dec, 2018