actionformer_release

收录理由

ActionFormer 是较早把 Transformer 架构引入时序动作定位任务的模型之一，这个仓库正是其 ECCV 2022 论文的官方参考实现。它能在未裁剪视频中一次性判断动作的起止时刻并识别动作类别，无需候选片段生成，也不用预设锚点窗口。仓库自带 THUMOS14、ActivityNet 1.3 和 EPIC-Kitchens 100 的训练与评估代码，包含配置、数据加载器和预训练权重，论文里的结果可以直接复现，省去逆向工程配置的麻烦。此外，该模型还是 Ego4D 时刻查询挑战赛中许多优胜方案的基础，做时刻定位或视频定位相关工作的人可以拿它当实用起点。代码风格干净，受 Detectron2 启发，研究时序动作定位的同行或搭建视频理解系统的团队，上手改造都比较顺手。