时间是关键：感知的三条长期运动教训
计算机视觉与模式识别
2026-02-17 v1
摘要
时间信息长期以来一直被认为是感知的关键要素。虽然对图像信息在感知任务中的作用有大量研究，但时间维度的作用仍不太为人所理解：我们能从长期运动信息中学到什么？长期运动信息在视觉学习中具有什么属性？我们利用最近在点轨迹估计方面的成功，这为学习时间表示提供了绝佳机会，并在各种感知任务上进行实验。我们提出三条明确的教训：1) 长期运动表示包含理解动作所需的信息，但也包含对象、材料和空间信息，往往比图像更好。2) 长期运动表示在低数据环境和零样本任务中的泛化能力远超图像表示。3) 运动信息的极低维度使得运动表示在 GFLOPs 与准确率之间达到更好的权衡，与标准视频表示一起使用可实现更高的性能。我们希望这些见解将为未来利用长期运动信息进行感知的模型设计指明方向。
引用
@article{arxiv.2602.14705,
title = {It's a Matter of Time: Three Lessons on Long-Term Motion for Perception},
author = {Willem Davison and Xinyue Hao and Laura Sevilla-Lara},
journal= {arXiv preprint arXiv:2602.14705},
year = {2026}
}