H-MoRe：学习以人为中心的运动表征用于动作分析

基于摘要分析。H-MoRe 研究真实场景中以人为中心的运动表征学习，通过保留相关人体运动并过滤背景运动，为步态识别、动作识别和视频生成提供运动信息；其研究对象是视觉人体运动，而非 EEG 或 BCI 信号。 方法采用自监督学习，并结合人体姿态与体形信息。受运动学启发，H-MoRe 将各身体点的绝对运动和相对运动组织为矩阵形式，称为 world-local flows，用于刻画细粒度运动。作者将其与依赖合成数据进行全监督学习的既有方法相区别，但具体监督信号、损失函数、姿态与体形的获取方式，以及背景运动过滤机制尚未验证。 作者报告，在摘要所述下游任务评估中，步态识别 CL@R1 为 +16.01%、动作识别 Acc@1 为 +8.92%、视频生成 FVD 为 -67.07%。摘要未交代这些变化对应的基线、数据集、划分及计算方式，因此保留原文百分比表达，不能将识别指标的增益改写为百分点，也不能据此进行跨协议比较。作者另报告推理速度为 34 fps，但硬件、输入规格和计时范围尚未验证，不能直接推定其在具体部署环境中的实时性。 实验协议、消融及统计信息尚未验证，尤其需核对人体姿态、体形信息与 world-local flows 各自的贡献，以及背景运动变化时的表现。摘要表示模型和代码将在发表时发布，当前材料不能确认其已公开。该方法依赖视觉人体结构，现有材料不足以建立其与 EEG 表征学习的具体机制对应，不据此推断 BCI 有效性。