视频动作理解

许多人认为，深度学习在图像理解问题上的成功可在视频理解领域复现。然而，由于视频的时空尺度与时序性质，视频理解问题的跨度及所提出的深度学习解决方案的集合可以说比其 2D 图像同类更广且更多样。寻找、识别与预测动作是该新兴且快速演进领域中最显著的若干任务。本教程以教学为导向，引入并梳理监督视频动作理解中的基础主题、基本概念与显著实例。具体而言，我们厘清动作问题的分类体系，编目并突出视频数据集，描述常见视频数据准备方法，呈现最先进深度学习模型架构的构建模块，并形式化用于基线化所提方案的领域特定度量。本教程面向广大计算机科学读者，并假定对监督学习有概念性理解。