Unsupervised Learning of Video Representations using LSTMs

• 类型：arxiv
• 标识：1502.04681
• 链接：https://arxiv.org/abs/1502.04681
• 主题：evaluation
• 主分类：multimodal
• 形态：method
• 被引：2775
• 被引来源：Semantic Scholar
• S2被引：2775
• OpenAlex被引：1632
• 影响力被引：282
• TLDR：This work uses Long Short Term Memory networks to learn representations of video sequences and evaluates the representations by finetuning them for a supervised learning problem - human action recognition on the UCF-101 and HMDB-51 datasets.
• OpenAlex ID：W2116435618
• OpenAlex DOI：10.48550/arxiv.1502.04681
• DOI：10.48550/arxiv.1502.04681
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/1502.04681
• OpenAlex更新：2026-10-12
• 待LLM分类：否
• 标题中文：基于 LSTM 的视频表示无监督学习
• TLDR中文：本文利用 LSTM 网络学习视频序列表示，并通过在 UCF-101 与 HMDB-51 数据集上对人体动作识别这一监督学习任务进行微调来评估所学表示。
• 来源文件：
• [OpenAlex discover]
• [S2 enrich]