---

0. 前言

• 相关资料：
  • arxiv
  • github
  • 论文解读
• 论文基本信息
  • 领域：在线行为检测
  • 作者单位：高丽大学
  • 发表时间：2020.3

---

1. 要解决什么问题

• 在Untrimmed Videos中做Online Action Detection主要的挑战在于：
  • 在Untrimmed Videos中，可能会发生的动作不止一种。
  • 在Online的限制下，只能获取当前以及过去的数据。

---

2. 用了什么方法

• 提出一种Online Action Detection的解决方案。
  • 使用了 future frame generation，预测未来帧作为后续模型输入。
  • 构建 Proposal Representation 分支，用于判断当前输入是否是action，只用来区分 action 与 background。
    • 类似于 faster rcnn 中的RPN阶段。
  • 构建了 Action Recognition 分支用于，用于判断行为类别以及是beginning phases还是end phases。
    • 将每一类都分为 beginning phases 和 end phases 两个阶段，具体怎么划分
    • 论文中说是AR分支是用来学习 Traits （特点，即每个行为开始/结束时候都有其固定的特点）与Temporal Order（猜测意思就是预测动作的起始/结束阶段）。
  • 构建了$F^{2}G$分支，即future frame generation，用于预测未来帧。
  • 构建detection network，通过PR/AR提取的特征，在做Temporal的特征融合时使用了LSTM。
  • 
  • AR/PR 模型结构如下，感觉就是很普通的3D网络
    • 

---

3. 效果如何

• 给出了与一些offline的temporal action detection方法的结果对比，明显是不如这些offline的方法。
  • 
  • 

---

4. 还存在什么问题

• 论文自己就给出了存在的问题

  • 需要大量计算资源，整体模型有174M的参数。
  • BP时受限，因为显存有限，不能同时放入所有参数。
  • 依赖future frame预测的性能。