本次ICCV 2021的DeeperAction挑战赛旨在推动人类动作理解领域研究从传统的动作识别转向更深入的动作理解任务，希望模型能够在不同视频中对人类动作的进行定位和详细理解。

具体来说，组织者提出了三个基于不同任务下的具有高质量标注的视频数据集，并在此基础上组织了针对动作理解任务的三个赛道的挑战赛，欢迎大家踊跃参赛！

挑战赛主页：https://deeperaction.github.io/

比赛时间

2021年6月1日 – 2021年9月10日

2021-06-01 ～ 2021-09-01  训练阶段

2021-09-01 ～ 2021-09-10  测试阶段

2021-09-15  获奖名单公布

2021-09-30  方法技术报告提交截止

2021-10-11  研讨会

组织单位

南京大学、中国科学院深圳先进技术研究院、上海人工智能实验室、商汤科技。

Track 1：FineAction挑战赛：时序动作定位

图注：FineAction数据集视频样例

论文链接：

https://arxiv.org/abs/2105.11107

数据集主页：

https://deeperaction.github.io/fineaction/

赛道简介：

CodaLab - Competition

当前，大部分动作定位数据集仅对行为进行粗略定义，如ActivityNet中的篮球训练（Layup drill in basketball）并未被拆分成扣篮或投篮这样更为精细的动作类别。然而，粗糙的动作类别往往与上下文背景高度相似，造成标注动作的时序界限不清晰。

为了填补这一空缺，组织者提出了FineAction这一新基准，包含近 17K 个未修剪视频，139K个精细动作时序标注，为 106 个动作类别进行了更明确的动作类别定义和更精确的时序标注。

该数据集的构建，为精细化时序动作定位的研究带来新的挑战与机遇。

Track 2：MultiSports挑战赛：时空动作检测

图注：MultiSports数据集视频样例

论文链接：

https://arxiv.org/abs/2105.07404

数据集主页：

https://deeperaction.github.io/multisports/

赛道简介：

CodaLab - Competition

当前时空动作检测基准主要分为两类：一类是以J-HMBD和UCF101-24为代表的稠密标注的高度抽象动作数据集，这些数据集中往往是单人重复一些简单动作；另一类是以AVA和DALY为代表的稀疏标注的数据集，这些数据集中的动作缺少明确的边界，对于建模快速动作来说不太合适。

为了推动时空动作检测研究，组织者提出了MultiSports这一新基准。这一数据集有着25fps稠密标注，且数据集规模大，有大量多人同时运动场景和明确的动作界限，部分动作（如足球的“pass”和“long ball”）需要较长的时序背景才能进行区分，这也对时空动作检测模型提出了更高的要求。

Track 3：Kinetics-TPS挑战赛：基于人体部位中层语义的视频行为解析

图注：Kinetics-TPS数据集视频样例

数据集主页：

https://deeperaction.github.io/kineticstps/

赛道简介：

CodaLab - Competition

传统的动作识别往往被视为高层语义的视频分类任务（例如：Kinetics400，ActivityNet等），然而这些视频数据集忽视了对人类行为动作的细节以及中层语义信息的理解。

为了填补这一空缺，我们提出了Kinetics-TPS这一全新数据集。与现有数据集不同，本数据集（共24 个人类行为类别）提供了视频帧级别的身体部位标注，包括身体10个部位的7.9M个标注，7.9M个部位状态（即身体部位如何移动），以及0.5M个交互物体，这为更为细致的视频行为理解提供可能。

#投 稿 通 道#

 让你的文字被更多人看到 

如何才能让更多的优质内容以更短路径到达读者群体，缩短读者寻找优质内容的成本呢？答案就是：你不认识的人。

总有一些你不认识的人，知道你想知道的东西。PaperWeekly 或许可以成为一座桥梁，促使不同背景、不同方向的学者和学术灵感相互碰撞，迸发出更多的可能性。

PaperWeekly 鼓励高校实验室或个人，在我们的平台上分享各类优质内容，可以是最新论文解读，也可以是学术热点剖析、科研心得或竞赛经验讲解等。我们的目的只有一个，让知识真正流动起来。

???? 稿件基本要求：

• 文章确系个人原创作品，未曾在公开渠道发表，如为其他平台已发表或待发表的文章，请明确标注

• 稿件建议以 markdown 格式撰写，文中配图以附件形式发送，要求图片清晰，无版权问题

• PaperWeekly 尊重原作者署名权，并将为每篇被采纳的原创首发稿件，提供业内具有竞争力稿酬，具体依据文章阅读量和文章质量阶梯制结算

???? 投稿通道：

• 投稿邮箱：hr@paperweekly.site

• 来稿请备注即时联系方式（微信），以便我们在稿件选用的第一时间联系作者

• 您也可以直接添加小编微信（pwbot02）快速投稿，备注：姓名-投稿

△长按添加PaperWeekly小编

????

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。