本文研究了自主行驶场景下的语义分割问题，探讨了深度学习方法的最新进展，包括多视角聚合模型、2D-CNN和多模态网络架构，提出了多种有效的语义分割技术，并展示了在不同数据集上的优异表现。

本文介绍了TransNet，一种用于人体动作识别的端到端深度学习架构。TransNet将3D-CNN解构为2D和1D-CNN，并结合其他领域的预训练2D-CNN模型，以提高效率和准确性。大量实验表明，TransNet表现优异。