本文提出了一种新方法用于基于骨架的零样本动作识别（STAR），通过对骨架和语义空间的对齐，提升了高相似动作类别的区分能力。实验结果表明，该方法在多个数据集上表现优异，特别是在广义零样本动作识别（GZSSAR）中，利用多语义融合模型显著提高了性能。

本文探讨了多种基于骨架的动作识别方法，包括无监督异常行为识别、零样本学习和多语义融合模型。通过提取骨架特征和辅助语义信息，提升了动作识别的准确性和鲁棒性，尤其在大规模数据集上表现优异。