本文介绍了一种新的视频表示学习方法——Temporal Squeeze（TS）池化，能够从长视频序列中提取运动信息并映射为少量图像。结合卷积神经网络，提出了Temporal Squeeze Network（TeSNet）用于视频分类。研究表明，该方法在视频分类基准测试中表现出更高的准确性和效率。

本文介绍了一种名为Temporal Squeeze（TS）池化的视频表示学习方法，通过转化视频帧为少量图像来提取移动信息。作者设计了Temporal Squeeze Network（TeSNet）视频分类模型，并在两个基准测试上与最先进的方法进行了比较。