本文提出了一种基于骨架的动作识别框架（STD-CL），通过解耦空间和时间特征，应用注意力特征于对比学习，从而提升动作识别的准确性。研究涵盖多个数据集，评估现有方法的优劣，并探讨未来发展方向。

我们提出了一种基于上下文和注意力特征融合增强的卷积神经网络（CNN）和Transformer混合网络（CAFCT）模型，用于肝肿瘤分割。实验结果表明，CAFCT在Liver Tumor Segmentation Benchmark（LiTS）数据集上表现优于Pure CNN或Transformer方法。