本文探讨了多粒度语义交互机制在零样本动作识别中的应用，提出了多层次对齐方法和多语义融合模型，以提高动作识别的准确性。通过结合骨骼特征和文本描述，利用无监督学习和自监督学习方法，增强了模型的鲁棒性和性能，并验证了其在多个数据集上的有效性。

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。