动作识别 (action recognition) ： 是对每个输入视频进行分类，识别出视频中人物做出的动作。即输入视频序列，得到视频对应的类别。
时序动作检测 (temporal action detection) ： 任务的输入是一个未经裁剪的视频 (untrimmed video)，即在这个视频里有些帧是没有动作发生的，因此需要检测出动作开始和结束的区间，并判断区间内动作的类别。即输入未经裁剪的视频序列，得到动作出现的区间和对应的类别。
时空动作检测 (spatio-temporal action detection) ： 相比于时序动作检测略有不同，时空动作检测不仅需要识别动作出现的区间和对应的类别，还要在空间范围内用一个包围框 (bounding box)标记出人物的空间位置。
时序动作分割(temporal action segmentation): 任务的输入是一个未经裁剪的视频，输出是视频中每一帧的动作类别。
