针对视频时序行为识别的大规模鲁棒性分析

原文：A Large-scale Robustness Analysis of Video Action Recognition Models

什么是视频时序行为识别（VAR）？

​ VAR就是理解视频中人(或其他)的行为，涉及到识别、定位和预测行为等任务。目前相关的研究可以理解为图像分类的进阶版本：视频分类。其可以应用场景包括：行为分析，视频检索，人机交互，游戏娱乐等等。

数据集：Kinetics和something系列。其构建流程如下：

1. 定义action list, 即一系列行为的标签，如骑车、跳舞、爬山等等
2. 通过网络爬取各个行为相关的视频
3. 手动标注每个行为类别在视频中的起止时间
4. 数据清洗

OK，那么我们进入正文！！！