用于 3D 骨架动作识别的通用对比式时空表征增强

基于摘要分析（仅提供 Highlights，未取得论文全文）。本研究面向 3D 骨架动作识别中难以区分的模糊样本，提出通用对比式时空表征增强框架 CSRE，通过分解空间特定特征与时间特定特征并开展对比学习，增强表征的判别能力。 机制上，作者旨在通过上述特征分解显式探索潜在数据分布。CSRE 被描述为训练阶段可插入既有骨架编码器、测试阶段可移除的增强框架；具体分解算子、正负样本构造、损失形式及与原任务训练目标的组合方式尚未验证，不能据此断言推理开销完全不变。 作者报告，在三个基准上，将 CSRE 用于 HCN、2S-AGCN、CTR-GCN、BlockGCN 和 Hyperformer 五种方法均取得显著改进。所给材料未列出基准名称、数据划分、评价指标、改进幅度或统计检验依据；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：其潜在可迁移点是将空间与时间因素分别约束的训练策略，而非骨架动作识别结果本身。若用于 EEG，需把关节空间结构改造为电极或脑区关系，并明确时间窗口及对比样本的监督来源。骨架结构与 EEG 通道并不等价，低信噪比、跨被试差异、通道配置变化及小数据可能使分解特征捕获伪迹或身份信息。一个可检验的假设是：在固定 EEG 编码器、相同数据划分与训练预算下，比较原模型、仅特征分解、仅对比学习及二者结合，检验独立测试集上的收益，并核对移除增强模块后的效果。已有 EEG 相关工作尚未检索确认。