行動認識において、CNNの小さな窓では十分に特徴を抽出できないことがある。そこで、動画全体のグローバルな特徴を伝搬する経路を追加し、ローカルな特徴量と混合させるブロックをスタックしたモデルを提案。ローカルな特徴量抽出にはResidualブロックを、グローバルな特徴量抽出にはGlobal Average Poolingを用いる。最終的には両方の特徴量からカーネル法により分類を行う。