LLLMWIKI
ArticleMetadataMain page

Source note · Updated 2026-07-14

Two-Stream Convolutional Networks for Action RecognitionRGB 与光流双流视频表示

Two-Stream ConvNets:外观与运动双流

一句话结论

Two-Stream 用 RGB 空间流与光流时间流分别建模外观和运动,建立视频动作识别的经典双流表示。

问题定义

单帧外观不足以区分许多动作时,怎样把短时运动明确提供给卷积网络?

方法概述

空间流读取 RGB,时间流读取连续稠密光流堆叠,两者独立训练并在分类分数层融合。

关键发现

  • 显式运动表示补充单帧外观。
  • 图像预训练帮助空间流,小视频数据限制时间流。
  • 双流分解影响后续视频模型设计。

局限或疑问

  • 预计算光流昂贵且会传递误差。
  • 晚期融合缺少细粒度跨流交互。
  • 短片分类不等于长视频时序推理。

原始链接

相关页面