南京大学计算机软件新技术国家重点实验室 

摘 要：

视频理解已经成为计算机视觉领域一个基础与热点研究方向，其中人体动作识别已经成为视频理解领域的关键技术之一，在监控、人机交互、检索等领域有重要的应用。时序运动表征是目前视频动作识别的关键难点，主流方法主要通过光流输入或者时序卷积来捕捉视频的运动信息，计算代价昂贵且建模缺乏灵活性。在本报告中，首先对视频动作识别进行简要介绍，包括问题定义，问题难点，已有技术等等。然后将重点介绍我们团队（MCG）在视频运动表征和行为识别方面的最新研究成果，主要从短时运动建模和长时运动建模两个方面展开。针对短时运动建模，基于2D CNN架构，提出了高效和动态的时序建模模块（TEINet和TAM），在速度效率和建模精度方面取得较好的效果；针对长时运动建模，基于TSN框架，提出了4D CNN架构 (V4D) 和时序差分网络（TDN），实现视频级别时空特征学习，提升识别效果。最后将总结视频行为识别方法和潜在研究方向。

报告人简介：

王利民，南京大学教授，博导。2011年在南京大学获得学士学位，2015在香港中文大学获得博士学位，2015年至2018在苏黎世联邦理工学院（ETH Zurich）从事博士后研究工作。研究方向为计算机视觉与深度学习，具体关注视频理解和动作识别。在国际重要期刊（IJCV/T-PAMI等）和会议（CVPR/ICCV等）发表学术论文30余篇，根据Google Scholar统计，论文被引用7000余次，H-index 33，一作论文单篇最高引用1600余次。提出的时序分段网络（TSN）获得2016 ActivityNet比赛冠军，该技术已经成为动作识别领域的基准方法。研究成果获得奖励：江苏省优秀本科毕设团队奖（2012）、吴文俊人工智能科技进步二等奖（2019）、广东省技术发明一等奖（2019）、世界人工智能大会青年优秀论文奖（2020）等。

时间：10月22日(星期四)12:30

地点：计算机科学技术楼111室