本研究提出了一种新方法，通过分段任意模型（SAM）特征对齐，显著提升了跨数据集边缘检测中的标签不确定性与粒度的性能。

本研究提出了一种基于完整动作先验的框架，以解决骨骼动作识别的泛化能力不足问题。通过恢复完整动作和重采样，显著提高了跨数据集的识别性能。

本文针对视频异常检测中模型泛化不足的问题，提出了运动引导记忆模块，实现了零样本跨数据集验证。通过模糊化生成伪异常，提高了正常与异常动作的差异。实验结果表明，该方法在三个基准数据集上优于现有跨领域方法。