本文探讨了视频识别中的空间冗余问题，提出了一种基于强化学习的自适应空间视频识别方法（AdaFocus），通过在一个小图像块的空间序列上采用高效的卷积神经网络和循环决策网络来定位和选择最相关的区域，以提高计算效率和精度。

May, 2021

本文探索在改进的 AdaFocusV3 框架上，统一时空动态计算的形式，通过在一些信息丰富的三维视频块上激活高性能网络以降低计算成本，并通过自适应轻量的策略网络在每个样本上根据测试时间的需求动态配置视频块数量，模型经过在 ActivityNet，FCVID，Mini-Kinetics，Something-Something V1&V2 和 Diving48 六个基准数据集上的广泛实验结果证明其显著比竞争算法更有效率。

Sep, 2022

我们提出了一种基于 AstFocus 攻击的多智能体强化学习框架，该框架同时在视频的关键帧和关键区域上进行攻击，并且通过减小搜索空间来降低查询数，使得在四种主流的视频识别模型和三个广泛使用的动作识别数据集上的结果均优于现有的最佳方法。

Jan, 2023

开发用于长视频动作理解任务的端到端模型存在显著的计算和内存挑战。为了避免精确注释的需要，我们提出了一种弱监督方法 AdaFocus，它通过估计动作的高峰度和时间位置，从而能够自适应地聚焦于有助于更好训练的动作片段。在三个长视频数据集上的实验证明了其有效性，并且 AdaFocus 与弱监督特征提取流水线结合，显著提高了三个长视频动作理解任务。

Nov, 2023

为了提高卷积神经网络（CNNs）的分类准确率，但不增加计算与存储成本，我们提出了一种采用强化学习所选择的原始图像中的一系列相对较小的输入进行处理的框架，从而实现了高效的图像分类。实验表明，采用我们提出的方法可以在不牺牲准确性的前提下显著提高多种深度模型的计算效率。

Oct, 2020

本文提出了一个新的序列特征学习方法，Glance and Focus Network（GFNet），用于图像识别问题中的减少空间冗余和时间复杂度的优化，GFNet 采用类似人类视觉系统的粗到细的学习方式处理图像，并通过强化学习的方式定位图像中的显著区域，从而避免了手动标注的需求。实验表明，GFNet 能够大幅度降低 MobileNet-V3 在 iPhone XS Max 上的平均延迟 (1.3x)，而精度没有任何损失。

Jan, 2022

本文介绍了一种自适应的时间融合网络，称为 AdaFuse，用于视频动作识别的临时建模，其对历史卷积特征图的必要信息与当前修剪特征图进行融合，以提高识别准确性和效率。

Feb, 2021

通过引入自适应的运动引导的跨帧注意机制，本文提出了一种显著降低计算复杂性的方法，同时保留语义细节和时间一致性，并通过 KV 缓存共享提高了中间帧质量和时间一致性，大大增加了联合编辑的关键帧数量，不受视觉质量和时间一致性的影响。

Jun, 2024

本研究提出了 Ample and Focal Network (AFNet)，通过使用两个分支结构来利用更多的帧数，以实现更准确的动作识别，同时确保计算效率。与现有方法相比，EFNet 在使用更多帧数的同时，计算成本更低。在大量的实验中，本研究表明了 AFNet 的有效性和高效性。

Nov, 2022

本文提出了一种新颖的‘Foregraound Network (F2Net)’，使用 Siamese 编码器模块、中心引导外观扩散模块和动态信息融合模块等方法，实现了在深度学习和视频对象分割的领域内的最新成果，提高了分割性能。

Dec, 2020