基于自注意力的时序动作提名生成算法

来源：计算机应用与软件杂志2025年第10期北京时间：

作者：潘康, 朱锦春, 闫胜业

摘要：为解决BMN(Boundary Matching Network)算法在动作边界预测时只捕捉了局部时间上下文,从而导致在复杂场景中定位边界不精确的问题,提出一种基于自注意力的时序动作提名生成算法。具体来说,在BMN的骨干网络中引入局部-全局编码器(LGE)来充分挖掘局部和全局上下文信息。为解决BMN忽略提名与提名之间关系建模问题,设计一个提名关系模块,其中包含两个自注意力子模块。在AvtivityNet-1.3数据集上的实验结果表明,AUC从67.10%提高到68.20%,提高了1.1百分点,达到了先进的性能。

关键词：时序动作提名生成, 视频理解, 深度学习, 自注意力机制, 动作识别