Weakly-Supervised Action Localization by Hierarchically-structured Latent Attention Modeling（作者：Guiqin Wang, Peng Zhao, Cong Zhao, Shusen Yang, Jie Cheng, Luziwei Leng, Jianxing Liao, Qinghai Guo*）。该工作提出了一种新的基于注意力层次结构的隐变量模型来学习特征语义的时间变化，其主要包含两个组成部分，第一个是无监督的变化点检测模块，通过学习基于时间层次的视频特征的隐变量表示来检测变化点，第二个是基于注意力的分类模型，该模型选择变化点的前景作为动作边界。通过在两个基准数据集THUMOS-14和ActivityNetv1.3的验证，表明该方法达到了目前弱监督领域最先进的方法，甚至达到了与全监督方法相近的性能。