# 动作识别

视频动作识别的归因图通常把画面外观与帧间运动混在一张显著性图里，使用者无法判断模型是靠物体还是靠动作做出预测。该工作把解释拆成空间外观掩码与时间运动掩码，在冻结的分类器上联合优化，并用最近帧替换来切断时间动态。在EPIC-Kitchens-55、EGTEA Gaze+与Something-Something V2上，该方法在多数数据集与轴上取得最低的删除AUC，掩码约为最强基线的五分之一大小。

视频动作识别的归因图通常把画面外观与帧间运动混在一张显著性图里，使用者无法判断模型是靠物体还是靠动作做出预测。该工作把解释拆成空间外观掩码与时间运动掩码，在冻结的分类器上联合优化，并用最近帧替换来切断时间动态。在EPIC-Kitchens-55、EGTEA Gaze+与Something-Something V2上，该方法在多数数据集与轴上取得最低的删除AUC，掩码约为最强基线的五分之一大小。

部署前的4D点云动作模型无法说明自己依据的是身体部位怎么动，还是它长什么样。Kinematic Causal Attribution只查询模型输出，用冻结动作和抽掉形状两种干预把每个时空区域的重要性拆成运动项与几何项。在MSR-Action3D上训练的三个官方骨干中，同一只手臂在运动任务与形状任务里的运动占比分别为0.83对0.60、0.86对0.30、0.92对0.61，而模型无关的运动先验在两项任务上给出相同标记。

部署前的4D点云动作模型无法说明自己依据的是身体部位怎么动，还是它长什么样。Kinematic Causal Attribution只查询模型输出，用冻结动作和抽掉形状两种干预把每个时空区域的重要性拆成运动项与几何项。在MSR-Action3D上训练的三个官方骨干中，同一只手臂在运动任务与形状任务里的运动占比分别为0.83对0.60、0.86对0.30、0.92对0.61，而模型无关的运动先验在两项任务上给出相同标记。