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（材料仅含 Highlights，未取得论文全文）。该研究面向 3D 骨架动作识别中易混淆样本的区分问题，提出通用对比式时空表征增强框架 CSRE，通过分解空间特异性与时间特异性特征并用于对比学习，旨在显式探索潜在数据分布，获得更具判别力的表征。 机制与结果：作者称 CSRE 可在训练阶段接入不同骨架编码器，并在测试阶段移除。作者报告，在三个基准上，以 HCN、2S-AGCN、CTR-GCN、BlockGCN 和 Hyperformer 五种方法为基础均获得显著提升；当前材料未提供基准名称、评价指标、提升幅度、数据划分及统计检验信息，因此无法判断收益大小及适用边界。特征分解方式、对比样本构造、监督需求、损失定义及额外训练成本尚未验证，实验协议、消融及统计信息亦尚未验证。 平台推测（待验证）：其潜在可迁移机制是利用空间与时间特征的分别约束，改善具有相近整体表征的样本区分，而不是直接复用骨架动作识别结果。原任务依赖具有空间关联的关节序列；若用于 EEG，可假设将空间分支改为电极或脑区关系建模，将时间分支用于神经信号动态表征，再复用训练期对比增强思路。但 EEG 的低信噪比、跨被试差异、通道配置变化及小数据条件可能使分解结果或对比样本关系不稳定。 一个可检验的小实验是在固定 EEG 数据集与同一跨被试划分下，对比基础编码器、加入 CSRE 式时空对比增强以及去除分解的对照，核查收益能否在相同测试流程下保持；实施前仍需取得原文确认损失及样本构造。已有 EEG 相关工作尚未检索确认。