時系列アクション提案生成は、ビデオアクション理解において重要な役割を果たし、高品質なアクションコンテンツを正確に局所化する必要があります。しかし、精度の高い境界と高品質なアクションコンテンツを持つ時系列提案を生成することは非常に困難です。この課題に対処するために、我々は新たな境界コンテンツグラフニューラルネットワーク（BC-GNN）を提案します。BC-GNNでは、時系列提案の境界とコンテンツがそれぞれグラフニューラルネットワークのノードとエッジとして扱われ、それらは自発的にリンクされます。その後、新たなグラフ計算操作が提案され、エッジとノードの特徴量を更新します。さらに、更新されたエッジ1つとその接続する2つのノードを使用して、境界確率とコンテンツ信頼度スコアを予測し、これらを組み合わせて最終的な高品質な提案を生成します。実験はActivityNet-1.3およびTHUMOS14という2つの主要データセットで行われました。特別な工夫なしに、BC-GNNは時系列アクション提案および時系列アクション検出タスクにおいて既存の最先端手法を上回る性能を示しました。