本研究提出了一种基于完整动作先验的恢复与重采样增强框架，以解决骨骼动作识别在不同领域的泛化能力不足问题。通过恢复完整动作并进行重采样，显著提升了跨数据集的识别性能，尤其在边界姿势和线性时间变换方面有效捕捉全球动作模式。

本研究提出了一种多尺度图卷积模型用于骨骼动作识别，能够有效捕获空间和时间的依赖关系，表现出显著的性能提升。多个改进的模型如TSGCNeXt和MSST-GCN在图卷积网络结构上进行了优化，尤其在大规模数据集上取得了先进的动作识别准确性。

本研究提出了一种多尺度图卷积模型用于骨骼动作识别，结合空间和时间特征，显著提升了识别性能。新模型如TGN、MS-AAGCN和ST-GCN在大规模数据集上表现优异，超越了现有技术。