本文提出了基于运动和外貌信息的交叉模态特征嵌入的 MASN 网络用于视频问答任务，通过问题导向的融合实现了最新的表现，并在 TGIF-QA 和 MSVD-QA 上实现了新的最佳性能。

Jun, 2021

本研究提出了一种新的神经符号方法（NeuroSyM）来推进人类动作预测领域，通过利用定性轨迹演算法（QTC）来在邻域中加权不同交互，并在中长期时间范围内使用两种最先进的架构进行实验测试。实验结果表明，在大多数情况下，NeuroSyM 方法在预测准确性方面优于基线架构。

Apr, 2023

通过分解为多阶段的模块化推理框架来解决视频问答（videoQA）任务，我们的方法 MoReVQA 通过事件解析器、定位阶段、最终推理阶段和外部存储器在标准视频问答基准测试中取得了最先进的结果，并在相关任务（基于视频的问答、段落字幕生成）上得到扩展。

Apr, 2024

通过量化多种身体部位的运动为其各自领域定制的码本，利用预训练模型将多模态信号转换为共享的潜在空间，并通过逐步预测后续令牌形成完整序列来将这些信号转换成离散的运动令牌，最后从令牌序列中重构连续的实际运动。我们的研究方法将多模态动作生成挑战框架定义为令牌预测任务，利用基于控制信号模态的专门码本，具有可扩展性，能够轻松整合新的模态。广泛的实验证明了我们设计的有效性并强调了其广泛应用的潜力。

Nov, 2023

研究逆向行动识别问题，以给定的预设行动类型为条件，通过采用 Lie Algebra 理论和时序变分自编码器（VAE）来生成 3D 的逼真的人体运动序列，并保持多样性，实验评估证明了方法的有效性。

Jul, 2020

该研究提出了一种针对实际视频问答任务的神经符号框架（NS-VideoQA），通过引入场景解析网络（SPN）和符号推理机（SRM），实现了对复合时空问题的高效推理和回答能力的提升。

Apr, 2024

本研究提出了运动编程，一种表示运动的高级抽象，包括基于视频的自动诱导和视频合成的系统，可用于改善下游的运动分析任务，并对视频插值和预测等下游任务产生积极影响，同时能够检测各种重复的动态方式并促进交互式视频编辑。

Apr, 2021

本文引入了一个新颖的任务，即人员移动问答 (MobQA)，它旨在让智能系统从人员移动数据中学习并回答相关问题，为人员移动预测研究和人员移动推荐系统的研究带来了新的范式变革。该论文还提出了数据集的初始设计和引入的 MobQA 任务的潜在深度学习模型框架，希望能在人员移动研究和问题回答研究领域提供新的见解和打开新的方向。

Oct, 2023

通过多智能体强化学习、行为克隆和生成对抗性模仿学习，以及认知级别层次框架，我们在团队运动的背景下，引入了一个新的基准、一种新的公式和一个受认知启发的框架，以预测战略人类社交互动。我们通过使用 Wusi，一个 3D 多人动作数据集来验证我们的方法和数据集的有效性。

Nov, 2023

我们提出了一种混合架构，用于系统地计算关于视频数据的鲁棒视觉解释，其中包括假设形成，信念修正和默认推理，并且由紧密集成的两个协同构成：以时间 - 空间为基础的踪迹上的函数回答集规划的诱导推理和基于检测的对象跟踪和动态分析的视觉处理流程。

Dec, 2017