actionformer_release

基于Transformer的高精度动作时刻定位模型

actionformer_release是一个基于Transformer的动作定位模型，能够检测动作实例的起止点并识别动作类别。在THUMOS14数据集上，该模型取得了71.0%的mAP，超越之前的最佳模型14.1个百分点，并首次突破60%的mAP。此外，该模型在ActivityNet 1.3和EPIC-Kitchens 100数据集上也取得了优异成绩。该项目设计简洁，通过局部自注意力机制对未剪辑视频进行时间上下文建模，并可一次性精确定位动作时刻。代码和预训练模型已开源，可供下载和试用。

ActionFormerTransformer时序动作定位THUMOS14ActivityNetGithub开源项目

GitHub

论文

ActionFormer 项目介绍

项目概述

ActionFormer是一个基于Transformer的模型，旨在进行时间动作定位，即识别视频中动作实例的起始和结束时刻，并分类这些动作。该项目通过简单高效的设计在多个基准上展现出色的性能，尤其在THUMOS14数据集上取得了71.0%的平均准确率（mAP），超出之前的最佳模型14.1个百分点，首次突破60%的mAP。此外，ActionFormer还在ActivityNet 1.3和EPIC-Kitchens 100等更具挑战性的基准上展示了强劲的效果。

背景与技术创新

ActionFormer的开发受到近年来Transformer在自然语言处理和视觉领域成功应用的启发。该方法通过局部自注意力机制在未裁剪的视频中建模时间上下文，对输入视频的每一时刻进行分类，并回归其相应的动作边界。最终形成了一个无需动作提议或预定义的锚窗口即可在单次操作中定位动作时刻的深度模型。

取得成果

在THUMOS14数据集上，ActionFormer达到了71.0%的mAP，显著超越以往模型。
在ActivityNet 1.3数据集上，获得了36.56%的平均mAP。
在EPIC-Kitchens 100数据集上，超出了之前的工作13.5个百分点。
在Ego4D瞬间查询挑战赛中是许多获胜解决方案的核心，其中一个提交方案排名第二，创造了21.76%的平均mAP和42.54%的Recall@1x（tIoU=0.5）。

使用指南

环境安装

需要安装一些依赖和编译代码，详细步骤请参见项目的INSTALL.md文件。

数据准备

在不同的数据集上复现结果前，需要准备对应的特征和注释文件，将其解压到指定路径下，并按照提供的格式组织目录结构。这些数据主要包含从预训练模型中提取的特征，以及动作的注释。

模型训练与评估

提供了不同数据集的配置文件，可通过这些配置文件进行模型训练和评估。例如，对于THUMOS14数据集，可以使用以下命令进行训练：

python ./train.py ./configs/thumos_i3d.yaml --output reproduce

评估的结果应该接近文献中报告的值，例如在THUMOS14数据集上mAP期望在66.0%以上。

未来计划

团队计划进一步开发功能，支持用户在自己的数据集上进行训练和评估，目前还在进行中。

项目联系人

如需进一步信息或有任何疑问，可以联系李胤 (yin.li@wisc.edu)。

参考文献

如果您在研究中使用了我们的代码，请考虑引用我们的相关论著。代码、技术报告、TSP特征提取等都有相关的引用格式，帮助您在学术论文中适当引用。

编辑推荐精选

Manus

全面超越基准的 AI Agent助手

Manus 是一款通用人工智能代理平台，能够将您的创意和想法迅速转化为实际成果。无论是定制旅行规划、深入的数据分析，还是教育支持与商业决策，Manus 都能高效整合信息，提供精准解决方案。它以直观的交互体验和领先的技术，为用户开启了一个智慧驱动、轻松高效的新时代，让每个灵感都能得到完美落地。

飞书知识问答

飞书官方推出的AI知识库上传word pdf即可部署AI私有知识库

基于DeepSeek R1大模型构建的知识管理系统，支持PDF、Word、PPT等常见文档格式解析，实现云端与本地数据的双向同步。系统具备实时网络检索能力，可自动关联外部信息源，通过语义理解技术处理结构化与非结构化数据。免费版本提供基础知识库搭建功能，适用于企业文档管理和个人学习资料整理场景。

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

TraeAI IDE协作生产力转型热门AI工具

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。

使用教程AI工具酷表ChatExcelAI智能客服AI营销产品

DeepEP

DeepSeek开源的专家并行通信优化框架

DeepEP是一个专为大规模分布式计算设计的通信库，重点解决专家并行模式中的通信瓶颈问题。其核心架构采用分层拓扑感知技术，能够自动识别节点间物理连接关系，优化数据传输路径。通过实现动态路由选择与负载均衡机制，系统在千卡级计算集群中维持稳定的低延迟特性，同时兼容主流深度学习框架的通信接口。

DeepSeek

全球领先开源大模型，高效智能助手

DeepSeek是一家幻方量化创办的专注于通用人工智能的中国科技公司，主攻大模型研发与应用。DeepSeek-R1是开源的推理模型，擅长处理复杂任务且可免费商用。

KnowS

AI医学搜索引擎整合4000万+实时更新的全球医学文献

医学领域专用搜索引擎整合4000万+实时更新的全球医学文献，通过自主研发AI模型实现精准知识检索。系统每日更新指南、中英文文献及会议资料，搜索准确率较传统工具提升80%，同时将大模型幻觉率控制在8%以下。支持临床建议生成、文献深度解析、学术报告制作等全流程科研辅助，典型用户反馈显示每周可节省医疗工作者70%时间。

Windsurf Wave 3

Windsurf Editor推出第三次重大更新Wave 3

新增模型上下文协议支持与智能编辑功能。本次更新包含五项核心改进：支持接入MCP协议扩展工具生态，Tab键智能跳转提升编码效率，Turbo模式实现自动化终端操作，图片拖拽功能优化多模态交互，以及面向付费用户的个性化图标定制。系统同步集成DeepSeek、Gemini等新模型，并通过信用点数机制实现差异化的资源调配。

AI IDE