本文提出了一种基于 Deep Evidential Action Recognition（DEAR）的方法，该方法通过模型校准、对抗学习等方式，对开放测试集中的动作进行识别，并有效介入了人体动作的静态偏差。实验表明，该方法应用于多个主流动作识别模型和基准测试中，均可获得显著的性能提升。

Jul, 2021

本文提出了一种使用多任务学习的方法，通过并行训练网络来提高动作识别的准确率，并同时实现手部和凝视估计的辅助任务。在多个数据集上的实验证明，该方法在动作识别上的性能明显优于单任务学习模型，并可以准确预测手部和凝视位置。

Sep, 2019

本文提出了一种新型的 MUlti-scale Sub-graph LEarning 架构，通过构建空间时间图并将其分解成相对于节点数的紧凑的子图来表示和编码每个视频片段中每个动作的鉴别模式，进行在线聚类并选择判别性子图作为行动原型进行识别，实验证明其优于同类方法。

Jan, 2022

本文提出了 OpenTAL 框架，以 Evidential Deep Learning 为基础解决了开放场景下不可避免的未知动作问题，该框架由三个方面组成：具有不确定性的动作分类、动作性预测和时间位置回归，实验结果证明了该方法的有效性。

Mar, 2022

现有的行动识别方法通常是针对特定的演员，这是由于演员之间的内在拓扑和显而易见的差异造成的。我们提出了一种称为 ' 演员不可知的多模多标签行动识别 ' 的新方法，以统一解决包括人类和动物在内的各种演员类型的问题。我们进一步在一种基于 Transformer 的目标检测框架（如 DETR）中制定了一种新颖的多模态语义查询网络（MSQNet）模型，它利用视觉和文本模态更好地表示行动类别。通过对五个公开可用的基准测试进行广泛的实验证明，我们的 MSQNet 在人类和动物的单标签和多标签行动识别任务上始终优于特定演员的先前方案，提升幅度高达 50%。代码将在此 URL 发布。

Jul, 2023

本文提出了一种基于视频级别标签进行训练的视频动作识别模型，该模型利用大型图像数据集中训练的逐帧人物检测器，在多实例学习框架内实现。此外，我们使用新的概率多实例学习方法来估计每个预测的不确定性，并在 AVA 数据集上取得了第一个弱监督结果，在 UCF101-24 上获得了弱监督方法的最新成果。

Jul, 2020

提出了一种基于分数分布学习的不确定性感知评分模型（USDL）来进行动作质量评估（AQA），该模型能够处理多个评委或他们的主观评估所造成的评分标签的内在模糊性，并且在多径不确定性感知分数分布学习（MUSDL）方法下能够探究评分的解耦组成部分，实验证明该方法在各种奥林匹克行动和外科活动数据集上均取得了新的排名第一。

Jun, 2020

该研究提出了一种直接预测动作时间边界的完全端到端的方法，其中模型作为一个基于循环神经网络的智能体与视频交互，并使用 REINFORCE 来学习决策策略，取得了 THUMOS'14 和 ActivityNet 数据集的最先进结果。

Nov, 2015

使用弱标签在多视角视频上训练基于视频的动作识别模型，并使用潜在嵌入来提高准确性。

Mar, 2024

本研究研究了一个新的嘈杂标签问题变形，将开放式和封闭式嘈杂标签结合在一起，并介绍了一个基准评估来评估此设置下训练算法的性能。我们提出了一种新的算法，称为 EvidentialMix，并将其与已有的封闭式和开放式噪声分类算法进行比较。实验结果表明我们的方法产生了优秀的分类结果和更好的特征表示。

Nov, 2020