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。

该研究提出了一种基于骨架的动作识别框架，利用空间-时间梯度聚焦相关特征，并建立高阶空间-时间动态模型。通过梯度的空间-时间注意力指导分类器优化堆叠的STF模块，该方法在多个数据集上表现出竞争力的结果。