weixin_59851140的博客

大多数在线视频理解任务旨在立即处理每个流帧并逐帧输出预测。为 了扩展到现有在线视频任务的实例级预测，最近提出了在线时间动作定位 (On-TAL)。然而，由于缺乏实例级上下文，对每帧预测进行分组的简单On- TAL方法具有局限性。为此，我们提出Online Anchor Transformer (OAT)， 将基于锚点的动作定位模型扩展到在线设置。我们还介绍了一种适用于在线 的后处理方法，该方法可以抑制重复的动作提议。