慢而稳特征分析：视频中的高阶时间相干性

未标记视频如何增强视觉学习？现有方法执行“慢”特征分析，鼓励时间上邻近帧的表示仅表现出微小差异。尽管这一标准方法捕捉了高层视觉信号随时间缓慢变化的事实，它却未能捕捉视觉内容变化*方式*。我们提出将慢特征分析推广为“稳”特征分析。关键思想是施加一个先验，即所学特征空间中的高阶导数必须小。为此，我们训练了一个卷积神经网络，并对来自未标记视频的顺序帧元组使用正则化器。它鼓励特征随时间的变化是平滑的，即类似于最近的变化。使用五个不同的数据集，包括未标记的YouTube和KITTI视频，我们展示了我们的方法在对象、场景和动作识别任务上的效果。我们进一步表明，从未标记视频学到的特征甚至可以超越标准的重度监督预训练方法。