5月24日消息，近日，来自斯坦福和Adobe的研究人员在CVPR 2019论文《Learning Video Representations from Correspondence Proposals》中提出了全新的通用的深度网络架构CPNet，用于学习视频中图片之间的长程对应关系，来解决现有方法在处理视频长程运动中的局限性。CPNet通过寻找对应的表征来学习视频中图片之间稀疏且不规则的对应模式，并且可以融合进现有的卷积神经网络架构中。研究人员在三个视频分类数据集上进行了实验，结果表明，CPNet在性能上取得了较大的突破。