本研究提出了一种物联网增强姿态优化网络（IE-PONet），用于高精度三维姿态估计和运动优化，结合了C3D和OpenPose，实验结果表明其在运动表现分析中效果显著。

该研究提出了一种简单而有效的时空特征学习方法，通过使用训练的3D ConvNets在大规模监督视频数据集上进行实验。研究结果表明，3D ConvNets更适用于时空特征学习，且小的3x3x3卷积核的同构体系结构是最佳的。通过使用这种方法学到的特征（C3D）连同一个简单的线性分类器，在4个基准测试中优于最先进的方法，并与其他2个基准测试中的最佳方法相当。这些特征紧凑、计算效率高、简单易用且易于训练和使用。