967 B
967 B
Long Short-Term Transformer for Online Action Detection
- 会议：NeurIPS 2021
- 阅读深度：重点章节阅读
- 官方链接：https://papers.nips.cc/paper/2021/hash/08b255a5d42b89b0585260b6f2360bdd-Abstract.html
摘要（中文转述）
LSTR 面向在线动作检测，把长历史与最近短期片段分开建模。长时编码器压缩较远上下文，短时解码器聚焦当前附近的细粒度变化，在不能访问未来的条件下兼顾长期依赖和实时决策。该设计成为后续在线检测和时序预测常用的建模参照。
与当前项目的关系
EgoSpeak-compatible 训练中的 LSTR-MCE 损失与评测习惯来自这一技术脉络，但当前项目并没有完整复现 LSTR 架构。实验中应把“采用 LSTR-MCE 损失”和“采用 LSTR 模型”明确区分。现有三种标签损失在四个 epoch 上差异有限，也提示下一步更值得比较长短期时序头、边界特征和难例采样。