本文探讨了通过跨模态学习和深度神经网络提高人类活动识别（HAR）性能的方法。研究利用运动合成模型生成3D运动序列，并结合IMU数据进行训练，显著提升识别准确性。提出的IMUGPT扩展和多样性指标有效解决数据稀缺问题，优化虚拟IMU数据生成。实验表明，结合视频和IMU数据能更好地分类人体运动，展示了多模态学习的应用潜力。