浙大蔡登团队携手微软亚洲研究院，提出了一个新的对比动作表征学习，CARL，框架，以自监督的方式学习逐帧动作表征，尤其是针对长视频；它考虑了时空上下文来提取逐帧表征，是一种基于Transformer的简单而高效的视频编码器，他们提出了一种新的序列对比损失，SCL，，应用于通过一系列时空数据增强获得的两个相关的视图，在FineGym、Pe...。