CoDy：编解码动态先验的无监督时序动作定位

2026年10月15日，arXiv Computer Vision 刊出 Tianyu Yan 等作者的论文，提出 CoDy——一种利用编解码动态作为互补先验的无监督时序动作定位（UTAL）框架。据该报道，CoDy 利用视频编解码器的图像组量化模式以及运动矢量、残差变化，为无监督时序动作定位提供互补先验；框架通过置信度感知的共识聚类，融合编解码增强视图与 RGB、光流，生成软伪标签，并将编解码动态转为类别无关的边界先验以监督边界学习。报道称，在 THUMOS14 和 ActivityNet v1.3 上，CoDy 取得当前最优定位性能；并称编解码分支仅用于训练阶段，推理时不增加额外的编解码端计算。上述性能与效率说法均来自该论文报道本身。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。