本研究提出了一种基于分形几何的合成视频数据集生成方法，旨在解决视频动作识别中的数据短缺问题。该方法模拟真实视频特性，优化预训练过程，显著提升下游任务表现，效果与标准Kinetics预训练相当。

分形几何是通过递归迭代生成图像的数学分支。研究发现，即使只有一个分形图像，也可以进行有效的预训练。通过引入局部扰动交叉熵损失函数，可以训练神经网络对小扰动进行分类。预训练可能只是更好的权重初始化，而不是发现有用视觉概念的必要条件。这对于减少预训练数据集的规模具有重要意义。