LSTM）R(2+1)DSlowFastVideoTransformerTimeSformer总结Reference3DCNN双流的缺点：光流抽取太慢——tvlone算法，0.06s抽取一个光流帧；消耗空间3DConv

总结3Dconv在之前并没有广为盛行于视频处理领域。作者认为，相比会丢失时间信息的2Dconv，3Dconv非常适合时空特征学习（即针对视频），下图是2Dconv和3Dconv的区别。

ConvolutionalTwo-StreamNetworkFusionforVideoActionRecognition双流网络的不足空间融合融合方式融合位置时间融合3DConv和3DPooling网络架构融合输入双流网络的不足

总结了经典的动作分类方法，提出了一个新的结构组合方式，即把3Dconv应用到two-tream的

3Dconv的效果到目前为止也不太好。所以作者提出了一个新的网络结构---ARTNet，用叫做SMART的block

speed-accuracytrade-offsinvideoclassificationGoogleResearch&UniversityofCaliforniaSanDiego1.文章想回答的3个问题我们是否真的需要3dconv

最近工作需要，开始使用Keras写3DConv做3D数据分类。数据是肺部CT，目标是对检测网络得到的结果使用3DConv网络做2分类。