修复视频重复计数评估漏洞，公开可复现结果与代码

A Short Note on Evaluating RepNet for Temporal Repetition Counting in Videos

• 统一评估标准，解决多论文间评测不一致问题
• 在多个数据集上报告真实性能，平均误差降至1.8
• 开源代码与模型权重，支持结果复现与后续研究

我们讨论了RepNet在不同论文中评估方式存在的持续性问题。为缓解这些问题，我们在多个数据集上报告了RepNet的性能结果，并发布评估代码及RepNet检查点以复现这些结果。该工作旨在提高视频时间重复计数任务的评估透明度与可比性，推动领域内更严谨的研究方法。

原文摘要 · Abstract (English)

We discuss some consistent issues on how RepNet has been evaluated in various papers. As a way to mitigate these issues, we report RepNet performance results on different datasets, and release evaluation code and the RepNet checkpoint to obtain these results. Code URL: https://github.com/google-research/google-research/blob/master/repnet/

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。