Similarly, fusion models in [18] us

Similarly, fusion models in [18] used 2D convolutions, most of the networks lose their input’s temporal signal after the first convolution layer. Only the Slow Fusion model in [18] uses 3D convolutions and averaging pooling in its first 3 convolution layers. We believe this is the key reason why it performs best among all networks studied in [18]. However, it still loses all temporal information after the third convolution layer.

Kết quả (Việt) 1:

Tương tự, tổng hợp các mô hình trong [18] sử dụng 2D convolutions, hầu hết các mạng mất tín hiệu thời gian đầu vào của họ sau khi lớp convolution đầu tiên. [18] chỉ chậm kết hợp mô hình sử dụng 3D convolutions và trung bình tổng hợp trong lớp 3 convolution đầu tiên của nó. Chúng tôi tin rằng đây là lý do chính tại sao nó thực hiện tốt nhất trong số tất cả các mạng nghiên cứu [18]. Tuy nhiên, nó vẫn sẽ mất tất cả thời gian thông tin sau khi convolution lớp thứ ba.

Kết quả (Việt) 2:

Tương tự như vậy, các mô hình hợp nhất trong [18] được sử dụng nhiều nếp cuộn 2D, hầu hết các mạng bị mất tín hiệu thời gian đầu vào của họ sau khi lớp chập đầu tiên. Chỉ có các mô hình Fusion chậm trong [18] sử dụng nhiều nếp cuộn 3D và trung bình tổng hợp trong 3 lớp chập đầu tiên của nó. Chúng tôi tin rằng đây là lý do chính tại sao nó thực hiện tốt nhất trong số tất cả các mạng nghiên cứu trong [18]. Tuy nhiên, nó vẫn còn mất tất cả thông tin thời gian sau khi lớp chập ba.