在我们的生活中，无时无刻存在很多周期性运动，比如太阳系中的行星运动、地球的四季变化，还有人体的心跳等等。这些周期性运动通常可以用物理建模进行解释，或者用传感器进行记录。在计算机视觉领域，重复动作检测也有很重要的作用，比如在运动领域，对运动员的动作进行计数有助于规划他们的训练，尽管现在可以通过一些传感器，比如运动手环，进行动作的计数，但是这些方式通常都要在运动员身上固定某些设备，或多或少对运动员造成一定影响。而基于视觉与深度学习的方法具有非侵入性，只需要一个摄像头即可得出人物的动作数量。同时重复动作计数的技术也可以用于其他视频方面的应用，如行人计数等。

尽管如此，计算机视觉中的重复动作计数研究不是很多。先前的论文往往只计数短视频中的重复动作，例如从Kinetics数据集中获取的一些简单视频。然而，这些视频缺乏一些真实场景，限制了该方法在更真实场景中的应用，原因包括视频长度单一及标注不够精细。大部分动作计数相关的数据集只包含时长较短的视频，通常在1分钟以内。以及这些数据集中的动作大多是连贯的。但是在真实应用中，模型一般都会部署到长视频上，让其一直计数。同时动作也不一定连贯，运动员可能做几个动作之后由于疲劳动作会放缓，或者因为休息等原因而中断。这些异常情况都会导致算法不能获得最佳性能，影响其在真实场景中的泛化能力。对于标注方面，目前的数据集仅对一个视频标记了其动作总数，虽然模型最终的输出就是一个动作的数字，但是这种标注并不够精细，模型只能在训练和预测的过程中输出一个数字，对视频其中的内容不能获得准确的评估。也就是说动作的数量可能与真实是接近的，但是其实模型并不能学习到每个动作的周期性。这样一旦推广到复杂的场景，如长视频或动作具有中断不连贯的情况，算法就可能失效。

为了解决以上问题，TransRAC制作了一个大型数据集，这些视频长度跨度很大，同时视频中可能出现不连贯的情况。为了模型能够更加准确学习到视频的内容，数据集中进行了详细的标注，其标注了视频中每一个动作的开始和结束的时间。