SUGAR：利用视觉与运动知识学习用于动作识别的骨架表征

基于摘要分析。研究针对 LLM 难以直接理解人体骨架信号、区分动作类别的问题，提出 SUGAR，将视频模型提供的视觉与运动知识用于骨架表征学习，使 LLM 能够输出动作类别及描述。研究对象是基于骨架的动作识别，并非 EEG 解码或 BCI。 方法包含三个环节：首先利用现成的大规模视频模型作为知识来源，生成动作相关的视觉与运动信息；随后以这些先验知识监督骨架学习，形成离散表征；最后由预训练权重保持不变的 LLM 理解这些表征，生成动作目标和描述。作者另提出 Temporal Query Projection（TQP）模块，用于连续建模长序列骨架信号。摘要未说明先验知识的具体形式、离散化方式、监督损失、表征与 LLM 的接口，以及 TQP 的实现细节，不能据此推断整个系统均被冻结或无需训练。 作者报告，SUGAR 在多个基于骨架的动作分类基准上有效，且在零样本场景下比基于线性方法的方案更具通用性。摘要未提供基准名称、数据划分、零样本类别设置、具体基线或数值指标，因此无法量化优势，也无法判断分类与描述任务各自的评估质量。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：可供 EEG 研究借鉴的是“外部动作语义先验—离散时序表征—LLM 输出”的接口思路，而非已获验证的 BCI 方法。其迁移假设依赖 EEG 与动作语义之间存在可学习的对应关系；骨架包含直接的运动几何信息，EEG 则受低信噪比、跨被试差异、通道配置及小样本限制，视觉先验可能无法保留有效神经信息。若探索迁移，需要替换骨架编码与表征适配模块；可在具有动作标签的 EEG 数据上，固定被试划分和训练预算，对比加入与不加入视觉运动先验的同一编码器，检验跨被试收益。相关 EEG 工作尚未检索确认。