运动特征网络：用于动作识别的固定运动滤波器

时空表征在帧序列中对于动作识别任务起着重要作用。此前，一种结合光流作为时间信息和包含空间信息的RGB图像的方法在动作识别任务中表现出显著的性能提升。然而，这种方法计算成本高昂，并且需要双流（RGB和光流）框架。本文提出了一种包含运动模块的MFNet（运动特征网络），该网络能够在统一的网络结构中编码相邻帧之间的时空信息，并支持端到端训练。运动模块可以以较小的额外成本附加到任何现有的基于CNN的动作识别框架上。我们在两个动作识别数据集（Jester和Something-Something）上评估了我们的网络，并通过从零开始训练网络，在这两个数据集上均取得了具有竞争力的性能。