本文介绍了Fine-grained Motion Alignment（FIMA）框架，通过对比学习生成像素级的运动监督，消除时间和空间上的弱对齐，并提高运动特征的时间多样性。FIMA在UCF101、HMDB51和Diving48数据集上取得了最先进或竞争性的结果。

本文提出了Fine-grained Motion Alignment（FIMA）框架，通过对比学习生成像素级的运动监督，消除时间和空间上的弱对齐。使用帧级运动对比损失提高运动特征的时间多样性。实验证明FIMA在UCF101、HMDB51和Diving48数据集上取得了竞争性结果。