视频无监督域自适应

面向高效视频无监督域自适应的可学习运动聚焦 Token 化

Learnable Motion-Focused Tokenization for Effective and Efficient Video Unsupervised Domain Adaptation

把视频帧切成 patch token 后学习丢弃低运动、冗余的背景 token，只保留运动丰富的动作相关 token 再做域自适应——这个可学习 token 选择模块可以直接插到任何视频 Transformer 的域自适应或高效推理流程里，用来同时压掉背景域偏移和计算量。