arXiv · 机器人与计算机视觉· Kevin D. Nguetche, Lilian Hollard, Eric Granger, Marco Pedersoli·· 14 天前AI 评分58
VideoMogaNet:一种时空多阶交互的视频识别方法
Spatio-Temporal Multi-Order Interaction for Video Recognition
AI 导读
针对现有视频识别方法依赖显式跨通道投影导致计算复杂度高、且时空表示偏向局部或全局单一顺序的问题,本文提出 VideoMogaNet。该方法引入并行多阶处理(仅使用深度卷积与隐式门控聚合)将复杂度降为线性,并提出时空双维度交互以优化表示而不增加成本。在 UCF101、HMDB51 等多个基准测试中,其性能达到或优于最先进方法,同时显著降低了时间分支的计算成本。
来源:arXiv · 机器人与计算机视觉 · arxiv.org