本文提出了一种新颖的多视图动作识别方法，利用可学习的变换器和监督对比损失显著提升识别性能。通过引入新的注意力机制和流式图卷积网络，改善了动作识别的准确性。对抗性增强方法在多个基准测试中表现优越，填补了多视角行为识别的研究空白。