STM: SpatioTemporal and Motion Encoding for Action Recognition 论文阅读 Abstract1. Introduction2. Related Works3. Approach3.1. Channel-wise SpatioTemporal Module3.2. Channel-wise Motion Module3.3. STM

这是一篇2017年发表在顶级期刊NIPS上的文章，作者通过发现传统RNN/LSTM网络的不足，提出了一种新的网络结构PredRNN，并且为这一网络结构设计了一种新的RNN单元（ST-LSTM)。由于博主能力有限，通过阅读原文短时间能只是领悟到PredRNN这一网络结构的思想，而并未对ST-LSTM的设计灵感有更深的体会。 下面这篇博文主要是来介绍一下什么是PredRNN，以及通过作者的设

城市空间分享的探索性时空分析 前段时间有意识的去搜集关于学术可视化方面的知识，注意到了麻省理工学院可感知城市实验室的官网，引起了我很大的兴趣，随着一段时间的了解和关注，它成了我个人在可视化领域最喜欢的一个实验室，这个实验室通过可视化设计和科学分析实现城市的想象力和社会的变革创新。实验室主页上展示了从2004——2018年的实验室项目，几乎每一项都有实际城市数据的验证，或者是基于某个发达城市的真实

创新点： 1、本文论证了3D卷积在时空特征学习的有效性，并在4个数据集上对比2D卷积及光流法、iDT法的有效性； 2、本文证明了333卷积的有效性，在UCF-101上证明了时空深度的变化和空间大小的变化对结果没有什么关键影响； 3、提出了3D卷积的架构，对过程进行可视化，论证了为什么3D卷积比较好； 学到的东西： 1、视频描述符的四个属性：1.通用型；2.紧凑性；3.高效性；4.简单性； 2、2