VideoBadminton: A Video Dataset for Badminton Action Recognition

在计算机视觉这个不断发展的领域中，动作识别已成为关键焦点，特别是随着卷积神经网络（CNNs）、卷积3D、Transformer和时空特征融合等先进技术的出现。这些技术在已有的基准测试中表现出了很有前途的结果，但在现实世界的应用中面临着独特的挑战，特别是在体育分析方面，精确分解活动和区分微妙不同的动作非常关键。现有的数据集如UCF101、HMDB51和Kinetics提供了各种场景的视频数据。然而，越来越需要捕捉更细致的细节和更广泛动作类别内的微妙差别的细粒度视频数据集。本文介绍了从高质量羽毛球镜头中获取的VideoBadminton数据集。通过对该数据集上领先方法的详尽评估，本研究旨在推进动作识别领域，特别是在羽毛球运动中。VideoBadminton的引入不仅可以用于羽毛球动作识别，还可以提供一种识别细粒度动作的数据集。从这些评估中获得的见解有望促进进一步的动作理解研究，特别是在体育场景中。

本论文旨在推进动作识别领域，特别是在羽毛球运动中。作者通过引入一个新的数据集VideoBadminton，试图解决现有数据集无法捕捉细粒度动作分类和差异的问题。

论文的关键思路是使用VideoBadminton数据集评估当前领先的动作识别方法，并提出了一种新的方法，即使用时空特征融合的Transformer网络，以在羽毛球运动中更准确地识别动作。

论文使用VideoBadminton数据集进行了广泛的评估，并比较了多种时空特征融合方法。作者提出了一种新的方法，即使用Transformer网络，以在羽毛球运动中更准确地识别动作。此外，作者还提供了开源代码和数据集，以促进进一步的研究。

在最近的相关研究中，一些论文集中在使用时空特征融合来改进动作识别。例如，'Temporal Shift Module for Efficient Video Understanding'和'SlowFast Networks for Video Recognition'。