Action Sensitivity Learning for Temporal Action Localization

摘要（中文转述）

Action Sensitivity Learning 针对时间动作定位中不同类别、不同实例对边界和上下文的敏感程度不同的问题，通过类别级和实例级敏感性建模调整梯度贡献及对比采样，使模型更关注难定位、边界模糊的样本。

它提供了比 RL 更低风险的 transition 强化路径：根据距 onset/offset 的距离、转换类型和样本不确定度重加权，但仍保持标准监督学习。建议先与均匀采样做严格对照，并保证权重归一化，避免仅因提高 transition 占比而破坏整体概率校准。