本文介绍一种无监督的视频对准方法，通过人体检测、姿态估计、VGG 网络等机器视觉工具提取并结合构建多维时间序列，利用 Diagonalized Dynamic Time Warping (DDTW) 算法对相同动作的视频进行对齐，采用新型评价指标 Enclosed Area Error (EAE) 显示本文方法在视频对齐任务和相位分类任务上均优于之前最先进的方法 (TCC 等)。

Apr, 2023

本文提出了一种基于相似度的训练方法，利用视频帧中的数据冗余来实现高效处理，适用于实时视频处理应用。通过引入分层的正则化，提高了计算复用并增加了训练期间权重的相似性，该方法在车道检测和场景分割等关键实时应用中获得了较高的压缩比和加速比，同时保持了相同的准确性。

May, 2023

本文介绍了一种利用 YouTube-8M 数据库中视听文件间共同区域来建立联系以自主训练深度神经网络的方法，实现了跨模态特征学习的无监督方法，并得出了良好的检索结果。

Jan, 2018

本文提出一种端到端的方法来同时学习视频人物再识别的时空特征和相应的相似度度量，采用深度卷积网络和循环神经网络进行时间序列建模和度量学习，通过时间汇聚产生整体特征表示，在 iLIDS-VID 和 PRID 2011 等公共数据集上达到最先进的性能水平。

Jun, 2016

本文提出了一种基于语义相似性的视频检索方法，它允许多个视频和标题被视为同等相关，并且排名的顺序不影响检索性能比较，同时，它还提出了多种估计语义相似性的方法，以适应大规模检索数据集。本文在三个常用视频检索数据集上分析了该方法的表现。

Mar, 2021

本文提出了一种新的视频检索方法，采用双重深度编码网络进行多级编码，将视频和查询作为两种模态编码为向量，同时结合好的可解释性和性能的高性能的概念空间和潜在空间来进行深空间学习，经实验证明了方法的可行性。

Sep, 2020

提出了一种名为 HVDM 的混合视频扩散模型，能更有效地捕捉视频的时空依赖关系并生成高质量的视频。通过混合视频自动编码器，提取视频的解离表示，包括全局上下文信息、本地体积信息和频率信息，以实现更全面的视频潜变量并丰富生成视频的细节和结构。实验证明该方法在视频生成质量方面达到了最先进水平，并具有广泛的视频应用。

Feb, 2024

通过将视频信息分解为重建相关信息和语义相关信息，我们设计了一个双流结构，其中包括一个时间层和一个哈希层。在自监督学习中获得的语义相似性知识的帮助下，哈希层学习捕捉用于语义检索的信息，而时间层学习捕捉用于重建的信息。这样，模型自然地将解耦的语义保留为二进制代码。在全面的实验验证中，我们的方法在三个视频基准上持续优于现有技术。

Oct, 2023

本文提出了一种神经网络模型来进行任务自适应时间对齐，使用注意力模型开发了一个明确的具有更大畸变不变性的时间对齐机制，并通过度量学习进行训练，与传统的基于 DTW 的可学习模型不同，它能够学习目标任务的最佳数据相关对齐，实验证明了我们模型在在线签名验证方面的超过 DTW 并且创造了最先进的性能。

Sep, 2023

该研究旨在提出一种新型的测量时间序列相似性的方法 ——NeuralWarp，通过建模深度表示空间中的时间序列索引的对齐模型，模拟乘法函数作为深层神经网络来建模。实验结果表明，相比于非参数方法和未调整的深层模型，NeuralWarp 在各种现实生活数据集上表现更好。

Dec, 2018