ActNetFormer：半监督视频动作识别的 Transformer-ResNet 混合方法

原文约200字，阅读约需1分钟。发表于：。

提出了一种使用跨体系伪标签与对比度学习的半监督行为识别方法，其中结合 3D 卷积神经网络（3D CNN）和视频变换器（VIT）的独特方法能够有效捕捉行为的局部和全局上下文信息，从而在标记数据的一小部分情况下实现了卓越的性能。

本论文提出了一种基于生成对抗网络的动作识别框架，使用深度卷积生成对抗网络进行无监督学习，并通过有标签数据集进行微调，实现准确识别人类活动的半监督学习。该方法在半监督动作识别方面表现优异。