本研究提出了一种基于深度强化学习的新方法，通过构建语义关系图来显式地对人之间的关系进行建模，并应用两个代理来逐步优化低层次的空间 - 时间特征和高层次的语义关系，在离散动作空间中，特征蒸馏代理通过提炼最具信息量的关键帧来优化低层次特征，在连续动作空间中，关系门控代理调整高层次的语义图以更多地关注与群体相关的关系，实验结果表明，该方法在两个广泛应用的基准上具有有效性和优越性。

Aug, 2019

本文旨在研究视频中多人行为预测。文章提出了一种 Discriminative Relational Recurrent Network 模型，通过构建循环图形式对不同演员之间的时空相互作用进行联合建模，从而在不需要显式监督的情况下，学习选择相关性。该方法在 AVA 数据集上预测动作的评估和 J-HMDB 任务的性能都有显著提高。

Apr, 2019

本文针对视频序列中的团体活动行为分类问题，基于 LSTM 模型构建了一个 2 阶段的深度时间模型，同时考虑了个体和群体层面的动态信息，通过在排球视频数据集上的实验验证了该模型的有效性。

Jul, 2016

本文提出结构递归神经网络 (SRNN)，用于捕捉个体动作、个体间互动、以及整个群体活动。相比于之前的方法，本文使用网格池化层来解决群体中的个体数量变化的问题，同时在排球数据集上评估了两种 SRNN 变体的性能。

Feb, 2018

本文提出了一个称作 Convolutional Relational Machine（CRM）的深度卷积神经网络模型，用于识别图像或视频中的团体活动。该模型利用个体之间的空间关系来产生中间的活动表征，经过多阶段逐步修正，在最后的聚合模块中使用修正后的信息来识别团体活动，并展示了其在 Volleyball 和 Collective Activity 数据集上比现有模型具有的优势。

Apr, 2019

本文提出一种基于 actor-transformer model 认知视频中的个人行为和组群活动的模型，并通过 2D 姿态网络和 3D CNN 等方式提供丰富的个人动态和静态信息表示，从而在公开数据集上取得了显著的效果。

Mar, 2020

通过 LSTM 模型构建 2 阶段深层次模型，从而更好地理解群体活动，利用这些动态实现群体活动识别，实验结果表明，该模型可以有效提高群体活动识别性能。

Nov, 2015

在这项研究中，我们提出了一种基于多演员预测学习的自监督方法，用于流媒体视频中的社交活动识别。通过使用视觉语义图结构，我们对社交互动进行建模，从而实现了关系推理，使其在具有最少标记数据的情况下具有鲁棒性表现。该方法在标准群体活动识别基准上取得了竞争性的性能，并通过三个公开可用的动作定位基准的评估证明了其可泛化到任意动作定位的能力。

Jun, 2024

提出一种新颖的半监督、多层级顺序生成对抗网络（MLS-GAN）架构来进行群体活动识别，该网络架构利用个人和场景等级的特征，通过 LSTMs 实现映射，通过新颖的门控融合单元进行基于动作的特征融合，学习当前群体活动的中间表示或 “动作代码”，并具有半监督行为，可实现群体动作分类，相较于其他结构表现出更优秀的效果。

Dec, 2018

本文提出了一种基于深度神经网络和分层图模型的个人和群体活动监测方案，使用深度网络识别场景中个人的动作，并通过考虑类别间的依赖关系使用神经网络分层图模型完善每个类别的预测标签，该方法能有效改善基准测试方法的识别率。

Jun, 2015