近日，我院在智能视频理解领域取得新进展，相关研究成果发表于IEEE Transactions on Image Processing（TIP）。TIP是图像与视频处理领域具有重要影响力的国际学术期刊，被中国计算机学会（CCF）列为计算机图形学与多媒体领域A类推荐期刊，按中科院期刊分区表，TIP位列计算机科学大类1区，并被标记为TOP期刊，最新公布的影响因子为15.3（2025年度）。此次成果的发表，体现了我院在多媒体图像处理、智能视频理解与时序动作定位等方向上的持续探索和科研积累。

论文题目：LSGNet: A Local-Pattern Separation and Global-Aware Network for Temporal Action Detection

随着视频内容不断增长，如何在未经裁剪的长视频中准确识别动作类别并定位其起止时间，成为智能视频分析的重要问题。真实场景中的背景干扰、动作与背景之间的细微差异，以及动作持续时间的变化，给精准识别与定位带来了挑战。现有方法仍难以兼顾短时间内的动作变化与长时间跨度上的语义关联，容易遗漏关键边界信息。如图1所示，该研究围绕这一问题，通过协同建模局部动作模式与全局上下文信息，提升动作类别识别和时间边界定位能力，为复杂场景下的智能视频分析提供了新的技术思路。

图1 LSGNet研究动机与动作时间边界定位示意

论文提出了局部模式分离与全局感知网络Local-Pattern Separation and Global-Aware Network，LSGNet），整体流程如图2所示。该网络协同建模局部语义一致性、动态变化与全局上下文信息，并通过多尺度特征细化保留关键时序细节，提升动作类别识别与时间边界定位能力。论文在多个公开数据集上验证了方法的有效性，在时序动作检测任务中取得了具有竞争力的性能。此外，局部模式分离模块在视频片段检索与精彩片段检测任务中也带来了性能提升，展现出跨任务应用潜力，该成果为复杂视频中的动作精准定位提供了新的方法，也为视频检索、视频摘要等应用提供了研究参考。

图2 LSGNet局部模式分离与全局感知网络流程

该论文由杨威林、赵一博、马春杰、李晨、高赞等老师和同学共同完成，研究成果获得国家自然科学重点基金、国家自然科学面上基金、天津市自然科学重点基金、山东省自然科学基金等项目的支持。该成果协同建模局部语义一致性、动态变化与全局上下文信息，并通过多尺度特征细化保留关键时序细节，有效提升了动作类别识别与时间边界定位能力。

近年来，我院持续围绕计算机视觉与智能视频理解开展研究，推动人工智能算法与视频分析技术的融合。未来，我院将进一步加强与国内外高校和科研机构的学术交流与科研合作，围绕复杂场景下的动作识别、时序定位与视频内容理解等关键问题开展高水平研究，不断提升学院在智能媒体分析领域的学术影响力和科研竞争力。