本文介绍了一种新的视频动作识别框架TSN，利用时间段网络学习ConvNet模型，在HMDB51和UCF101数据集上表现优异。还提出了记忆增强网络和时空建模机制等改进方法，进一步提升了动作识别的效果和准确性。

本文介绍了一种名为S3Aug的视频数据增强方法，用于动作识别。该方法通过分割和标签转换，生成多样的视频，并通过移动中间特征来增强生成视频帧之间的时间连贯性。实验证明该方法在UCF101、HMDB51和Mimetics数据集上有效，尤其对于Mimetics数据集中的非上下文视频。