我们提出了一种简单而有效的语义感知少样本动作识别模型（SAFSAR），该模型通过直接利用 3D 特征提取器与有效的特征融合方案以及简单的余弦相似度分类，实现了更好的性能，无需复杂的距离函数和额外的时间建模组件。在这种方案中，SAFSAR 以一种紧凑的方式实现了对文本语义的编码、视频表示的自适应特征融合，并鼓励视觉编码器提取更具语义一致性的特征。在各种设置下对五个具有挑战性的少样本动作识别基准进行的实验证明，所提出的 SAFSAR 模型显著提高了最先进的性能。

Nov, 2023

提出了一种基于完全连接的时间条件随机场模型，用于推理各个活动方面，包括对象、动作和意图，其中潜在函数由深层网络预测；而异步变分推理方法使得高效的端到端训练成为可能，该方法在 Charades 基准测试中达到了 22.4％的分类 mAP，超过了现有技术 (17.2％mAP)。

Dec, 2016

本文研究了大型语言模型在实际事件中实现推理的能力，设计了一个建模和预测框架，其中大型语言模型执行推断，以协助事件序列模型提高预测准确性，并通过在 Amazon Review 和 GDELT 两个具有挑战性的实际数据集上进行的广泛实验，展示了我们的框架的性能优势。

May, 2023

我们引入了一个具有精确定位时间、细粒度事件的任务（检测事件发生的确切时刻）。为了实现精确定位，模型需要全局推理活动的整个时间尺度，同时本地识别识别在这些活动期间标识事件的细微帧间外观和运动差异。我们提出了 E2E-Spot，它是一种紧凑的端到端模型，在精确定位任务上表现良好，并可以在单个 GPU 上快速训练。我们证明 E2E-Spot 显着优于最近从视频动作检测、分割和定位文献中调整的基线，用于精确定位任务。最后，我们对多个细粒度运动数据集进行了新的注释和拆分，使这些数据集适用于未来的精确定位研究。

Jul, 2022

本文提出了利用事件相机数据进行自我中心行为识别的两种策略，并将其应用于首个基于事件相机的视频数据集，结果表明，事件数据不仅可在不需要流计算的情况下提供与 RGB 和光流同等的性能，而且相比仅使用 RGB 信息提高了 4％的表现。

Dec, 2021

通过构建配对概念，通过消除不可能对检索有帮助的概念来修剪，该方法解决了自动概念发现和培训中出现的问题，并通过解决视觉和领域适应问题展示了在 TRECVID MED 13 数据集上相对于其他基于视觉的系统的大幅度改进。

Sep, 2015

我们提出了一种基于投票的半监督方法，自动获取事件的典型持续时间并将其用作伪标签数据。人工评估表明，我们的伪标签表现出令人惊讶的高准确性和平衡覆盖率。在时间常识问答任务中，实验结果显示，仅使用 400 个事件的伪样本，我们的表现可与现有的基于 BERT 的弱监督方法相媲美，而这些方法需要大量的训练样本。与 RoBERTa 基线相比，我们的最佳方法在准确匹配方面实现了最新的技术水平，提高了 7%。

Mar, 2024

本文提出了在事件域中进行时空过滤的方法，通过学习局部时空权重矩阵，增强卷积神经网络对动作识别的性能， 在 DVS Gesture 数据集和新录制的动作识别数据集上显著改善。

Mar, 2019

本文介绍了一种使用 Markov 逻辑网络的概率一阶谓词逻辑（FOPL）推理系统，从传感器网络中提取信息进行复杂决策，以及证明这种方法在处理各种实际数据时的数学准确性和广泛适用性。

Nov, 2014

本研究旨在通过使用事件相机进行行为识别，提出了一种基于视频变换网络和事件对比损失的计算高效模型。该模型在真实世界中的行为识别任务中表现出卓越性能，并且相较于其他方法具有更低的计算时间，适用于基于事件相机的行为识别应用。

Aug, 2023