AVA-6-seconds 所有的视频长度：6秒，前2秒和后2秒不做标注，中间2秒做标注。 中间3秒的视频，只对最中间的一帧进行检测（Bounding Box）与动作标注（action Label）。 然后将最中间的Bounding Box和action Label映射到前一秒和后一秒。