This can be explained by the fact t

This can be explained by the fact that C3D uses smaller input resolution (128  128) compared to full-size resolution (256  256) using by Imagenet. Since C3D is trained only on Sports- 1M videos without any fine-tuning while Imagenet is fully trained on 1000 object categories, we did not expect C3D to work that well on this task. The result is very surprising and shows how generic C3D is on capturing appearance and motion information in videos.

Kết quả (Việt) 1:

Điều này có thể được giải thích bởi thực tế rằng C3D sử dụng nhỏ hơn vào độ phân giải (128 128) so với độ phân giải kích thước đầy đủ (256 256) bằng cách sử dụng bởi Imagenet. Kể từ khi C3D được huấn luyện chỉ về thể thao - 1M video mà không cần bất kỳ điều chỉnh trong khi Imagenet là hoàn toàn được đào tạo trên các đối tượng 1000 loại, chúng tôi đã không mong đợi C3D để làm việc đó tốt trên nhiệm vụ này. Kết quả là rất đáng ngạc nhiên và cho thấy làm thế nào chung C3D là nắm bắt thông tin xuất hiện và chuyển động trong video.

Kết quả (Việt) 2:

Điều này có thể được giải thích bởi thực tế là C3D sử dụng độ phân giải đầu vào nhỏ hơn (128? 128) so với độ phân giải đầy đủ kích thước (256? 256) sử dụng bởi Imagenet. Kể từ C3D được đào tạo chỉ trên video Sports- 1M mà không cần bất kỳ tinh chỉnh trong khi Imagenet được đào tạo đầy đủ về 1000 danh mục đối tượng, chúng tôi đã không mong đợi C3D để làm việc tốt về nhiệm vụ này. Kết quả là rất đáng ngạc nhiên và cho thấy cách chung chung C3D là về chụp hình và chuyển động thông tin trong video.