ビデオ認識のためのSlowFastネットワークを提案します。当モデルは、(i) 低フレームレートで動作し、空間的な意味を捉える「スローパスウェイ」と (ii) 高フレームレートで動作し、時間的な細かい解像度での動きを捉える「ファストパスウェイ」から構成されています。ファストパスウェイはチャネル容量を削減することで非常に軽量化できますが、それでもビデオ認識に有用な時間情報を学習することができます。当モデルは、アクション分類と検出において優れた性能を達成しており、その中でも特にSlowFast概念による貢献が明確に示されています。主要なビデオ認識ベンチマークであるKinetics、Charades、AVAにおいて最先端の精度を報告しています。コードは以下のURLで公開されています: https://github.com/facebookresearch/SlowFast