Deep learning has been demonstrated to achieve excellent results for image classification and object detection. However, the impact of deep learning on video analysis has been limited due to complexity of video data and lack of annotations. Previous convolutional neural networks (CNN) based video action detection approaches usually consist of two major steps: frame-level action proposal generation and association of proposals across frames. Also, most of these methods employ two-stream CNN framework to handle spatial and temporal feature separately. In this paper, we propose an end-to-end deep network called Tube Convolutional Neural Network (T-CNN) for action detection in videos. The proposed architecture is a unified deep network that is able to recognize and localize action based on 3D convolution features. A video is first divided into equal length clips and next for each clip a set of tube proposals are generated based on 3D Convolutional Network (ConvNet) features. Finally, the tube proposals of different clips are linked together employing network flow and spatio-temporal action detection is performed using these linked video proposals. Extensive experiments on several video datasets demonstrate the superior performance of T-CNN for classifying and localizing actions in both trimmed and untrimmed videos compared to state-of-the-arts.

Research indicates that exposure to natural environments positively impacts both physiological and psychological well-being. However, extraordinary, awesome landscapes, such as the mesmerizing Arctic and mysterious underwater scene, particularly contribute to enhancing emotional well-being. More exploration needs to be done exploration into the specific emotional and healing recovery effects of extraordinary natural landscapes. This study employs a combination of objective physiological measurements and subjective evaluations to investigate the therapeutic benefits of extraordinary natural landscapes. Sixty-two university volunteers experienced three ordinary natural landscapes and four extraordinary natural landscapes in a virtual reality setting. Participants wore wearable devices to collect physiological data, including EEG and HRV valves. Subjective questionnaires, semantic differential scales to assess the extraordinariness of landscapes, perceived restorativeness scale, and PAD emotional scale were utilized to evaluate recovery effects and emotional impacts. Results showed that: 1) Compared to ordinary nature, extraordinary nature demonstrates more significant recovery and emotional improvement effects. 2)The semantic differential scale evaluated the extraordinariness of natural landscapes across five dimensions: awe, remoteness, mystery, complexity, and uniqueness, with uniqueness being the predominant influencing factor. 3)As the extraordinariness of natural landscapes increases, the recovery effect also improves gradually. However, excessive exposure to extraordinary natural landscapes shows a diminishing therapeutic effect. These findings underscore the superior recovery effects of extraordinary nature, validated by physiological data and subjective ratings. The study highlights the potential of extraordinary nature as therapeutic material, offering a fresh perspective and quantitative data to study therapeutic landscapes.