空间层次与时间注意力引导的跨掩蔽自监督骨架动作识别
原文中文，约1500字，阅读约需4分钟。
📝
内容提要
本研究提出了多种基于骨架的自监督学习框架，如Hi-TRS、HiCo和SSL，旨在提升骨架动作识别的性能。这些方法利用层次化对比、局部关系学习和图卷积网络等技术，在多个数据集上取得了最先进的结果，展现了良好的泛化能力和鲁棒性。
❓
Q&A
Hi-TRS框架的主要功能是什么？
Hi-TRS框架旨在捕捉视频级别、片段级别和帧级别的时间依赖关系，提升骨架动作识别的性能。
Partial Spatio-Temporal Learning（PSTL）框架的创新点是什么？
PSTL框架利用部分骨骼序列的局部关系，构建负样本无人机结构，并在多个基准测试中取得了SOTA表现。
Skeleton Sequence Learning（SSL）框架如何提高骨架动作识别的准确性？
SSL框架通过图卷积网络和先验人体拓扑知识重构遮蔽骨架，展现了良好的泛化能力，优于现有方法。
开放集骨架动作识别面临哪些挑战？
开放集骨架动作识别面临的挑战包括如何有效对骨骼关节、骨头和速度进行交叉模态对齐。
Skeleton2vec框架的主要特点是什么？
Skeleton2vec框架采用自注意机制和运动感知的管道掩蔽策略，表现优于现有方法，达到最先进水平。
这项研究对自监督动作表征学习的贡献是什么？
研究对自监督动作表征学习进行了全面调查，提出了一种新型方法，显著提高了模型的泛化性能。
🏷️
