本文提出了一种新方法，利用预训练的图像语言模型和时空上下文信息，提升零-shot动作检测的泛化能力。实验结果表明，该方法在多个数据集上表现优异，推动了动作检测技术在真实场景中的应用。
完成下面两步后，将自动完成登录并继续当前操作。
