摘要
在视频数据中，运动区域所包含的密集运动细节在频域中集中于特定的频率带宽内。而视频数据的其余频率成分则主要携带静态信息，且存在大量冗余，导致现有以原始RGB帧为输入的视频模型处理效率较低。本文提出，应针对重要运动信息分配更密集的计算资源，而对静态信息则采用较少的计算开销。为此，我们设计了一种可训练的运动带通模块（Motion Band-Pass Module, MBPM），用于从原始视频数据中分离出运动活跃信息与静态信息。通过将MBPM嵌入到双路径卷积神经网络（CNN）架构中，我们构建了“活跃-静默网络”（Busy-Quiet Net, BQN）。BQN的高效性源于两条路径在特征空间中避免了冗余：一条路径处理低分辨率的静默特征，另一条路径专注于处理活跃特征。实验结果表明，所提出的BQN在Something-Something V1、Kinetics400、UCF101和HMDB51等多个主流视频数据集上均优于多种近期先进的视频处理模型。