提出一种有效的基于 patch 的人脸图像质量评估算法，该算法综合考虑了人脸图像的几何对齐、锐度、头部姿势等因素，能够识别最正面、对齐、锐利和照明良好的图像，并在实验中表明在人脸子集的选择方面，该方法优于现有技术，使人脸识别准确度显著提高。

Apr, 2013

应用深度学习的卷积神经网络，结合运动先验信息，通过弱监督主动学习方法对图像中的人体进行分割，同时采用领域自适应方法提高了算法的性能。

Jul, 2018

通过提出一种多速度渐进对齐的方法，在多个常见的少样本动作识别基准测试上，我们的方法在精度上超越了现有的最先进方法。

May, 2024

本文提出了一种针对 Few-Shot 行为识别的视频帧采样器，采用了时间选择器和空间放大器来实现任务特定的时空帧采样，并采用任务自适应学习来动态调整采样策略。实验结果表明，该采样器在各个基准测试上都具有显著的性能提升。

Jul, 2022

本研究提出了基于 2D CNN 的动作识别方法 (CMR)，通过引入 CME 和 SME 两个 motion enhancement 模块，分别从通道和空间维度上对动态信息进行加强，进一步提高了识别准确率。在 Something-Something V1、V2 和 Kinetics-400 数据集上取得了有竞争力的性能表现。

Mar, 2021

本文介绍了一种轻量级的 “剪辑采样” 模型，可在长视频中高效识别最显著的时间片段，将行动识别的计算成本显著降低，同时提高识别准确性。

Apr, 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

本研究提出一种分层对齐框架，对多帧人体姿态估计问题进行了深入研究，利用视觉证据、知识提取和互信息等方法，在 PoseTrack2017、Sub-JHMDB 和 Pose-Track2018 等数据集上取得了最先进的性能表现。

Mar, 2022

通过对视频场景内容及动态规律、语义等方面的先验知识进行分析和预处理，提出一种利用贝叶斯网络解决视频不同场景中的移动轨迹问题的方法，并在实验中证明了其有效性。

Mar, 2016

提出了一种基于回归的运动稳定方法，旨在检测被拍摄的机动飞行器在复杂背景中移动的情况，该方法在运动与外观两方面共同作用下可以对比先进技术更有效地运用时空图像块进行分类，并通过收集两个具有挑战性的数据集为飞行物体检测和视觉引导式避碰创建基准。

Nov, 2014