本研究提出了一种新框架“Cross”，旨在解决时间图神经网络在处理时间文本属性图时对文本语义动态演变考虑不足的问题。通过利用大型语言模型提取文本动态语义，显著提高了对节点文本邻域演变的理解能力。实验结果表明，该方法在多个数据集上有效且鲁棒。

本文提出了一种新的动态演变双骨架-语义协同框架Neuro，旨在提升零样本骨架动作识别的泛化能力。该方法通过上下文感知的信息，深入探讨跨模态对应关系，实验结果表明其在多个基准数据集上优于现有技术，能够有效推广到新动作类别。

本研究提出了一种新颖的流动聚类混合方法，成功识别了共享相同物理动态的流动社区，并展示了气流绕柱子的动态聚类演变过程。