Tag · 2 篇
时序动作检测
01 02
SAVA-X：基于场景自适应视角对齐与双向跨视角融合的第一人称到第三人称模仿误差检测
SAVA-X: Ego-to-Exo Imitation Error Detection via Scene-Adaptive View Alignment and Bidirectional Cross View Fusion
面向第一人称与第三人称异步、长度不匹配视频的跨视角时序对齐与融合框架，其视图条件自适应采样和双向交叉注意力可直接迁移到 egocentric-exocentric 视频配对、跨视角动作定位与步骤级质量评估等任务。
MS-Temba：用于理解长未剪辑视频的多尺度时序 Mamba
MS-Temba: Multi-Scale Temporal Mamba for Understanding Long Untrimmed Videos
把 Mamba 状态空间模型用空洞（dilated）SSM 扩展到多尺度时序建模，为长视频密集重叠动作的边界定位提供了可复用的骨干设计；做长时序视频理解或需要长程依赖+细粒度细节兼顾的任务时，可借鉴其多尺度 SSM 分块与轻量融合器结构。