Vertex视频动作识别异常：预测仅返回单时间点而非时间段

• 检查训练数据标注：确保每个SITTING动作的标注都覆盖完整动作周期（从站在椅子旁到完全坐下的整个时间段），标注的timeSegmentStart和timeSegmentEnd必须是不同的时间点，不能只标记动作结束的单帧。模型是通过标注的时序范围学习动作的动态特征，单帧标注会让模型只识别静态状态。

• 确认模型类型与配置：必须使用Vertex的动作识别（Action Recognition）模型，而非图像分类模型。训练时调整时序参数：

  • 增大窗口大小（window size），让模型能捕捉更长时间的动作序列；
  • 调整步长（stride），避免过度采样单帧信息；
  • 启用时序特征聚合，确保模型学习动作的连续变化过程。

• 调整预测参数：

  • 预测时输入完整视频，而非单帧图像；
  • 在预测请求中配置segmentation_config，指定输出连续动作片段的模式，而非离散的帧级结果；
  • 选择合适的时序聚合策略（如滑动窗口平均），让模型整合多帧信息输出完整动作的时间范围。

• 规范数据预处理：

  • 统一训练视频的帧率，避免帧率波动干扰模型对动作时长的学习；
  • 不要过度采样关键帧，保留动作的中间过程帧，确保模型能捕捉动作的连续变化。

内容的提问来源于stack exchange，提问作者shaharsol