VoV3D:用于时间建模的高效3D骨干网

VoV3D是一个高效且有效的3D骨干网络，用于在之上实现的时间建模。 ，金亨一，金民恩和金永ung 电子与电信研究所（ ） 预印本： : 抽象的 最近引起关注的视频分类研究是时间建模和3D有效架构的领域。 但是，时间建模方法效率不高，或者3D高效架构对时间建模的兴趣不大。 为了弥合它们之间的差距，我们提出了一种有效的时间建模3D架构，称为VoV3D ，该架构由一个时间一发聚合（ T-OSA ）模块和深度分解因子D（2 + 1）D组成。 T-OSA被设计为通过聚合具有不同时间感受野的时间特征来构建特征层次。 堆叠此T-OSA，使网络本身可以跨帧对短时和长时关系进行建模，而无需任何外部模块。 受内核分解和信道分解的启发，我们还设计了一个深度时空分解模块，名为D（2 + 1）D，该模块将3D深度卷积分解为两个空间和时间深度卷积，以使我们的网络更轻便高效。 通过使用提出的时间建模方法（T-O