本文提出了一种基于关节的动作识别模型，使用共享的运动编码器从每个关节提取运动特征，通过联合推理进行识别。该模型在多个数据集上相对于当前最先进的方法有大幅度提升，并与RGB和基于光流的方法进行了融合处理以提高性能。

该论文提出了一个基于视觉的系统，用于识别心肺复苏过程中的错误动作和评估技能。通过 CPR-Coach 数据集对不同数据模态下现有动作识别模型的性能进行了比较，并提出了 ImagineNet 框架来提高模型的多错误识别性能。该框架经过实验证实有效，希望能推动细粒度医学行动分析和技能评估的研究进展。