本研究提出了基于骨架的手势识别模型，采用重要的特征描述符 - 路径签名，并使用所提出的多种特征来明确表示空间和时间运动特征，并且通过注意手的原则来定义关节对，并使用 “dyadic method” 来提取 T_PS 和 T_S_PS 特征，最后采用多流全连接层和融合技术来进行分类，实验结果证明该方法可以实现骨架模型下手势识别的最佳表现。

Nov, 2018

本文介绍了一种新颖的序列学习方法，即基于粗路径理论的签名方法，该方法通过嵌入将离散采样数据表示为路径。作者深入研究了三个数据集，并表明特定的 embedding 方法，称为 “lead-lag embedding”，在所有考虑的算法和数据集上表现最好。通过一个实证研究，作者还发现将整个路径域上的 signature 与其他简单算法相结合，可以达到与特定领域专门方法相竞争的结果。

Nov, 2019

本文提出了一个新的空间 - 时间几何表示方法，建立在正半定矩阵的黎曼流形上，并推导出相应的工具进行比较与分类，实现了对于人脸表情的情感识别的竞争性结果。

Jun, 2018

本文提出了一种新的框架，用于使用拓扑数据分析从三维运动捕捉数据中进行人类动作的动力学分析。我们利用动力系统吸引子的拓扑特征来模拟人类动作，使用时间延迟嵌入重构与动作对应的时间序列的相空间，并计算相空间重构的持久同调。我们在计算同调群时，结合了时序的相邻信息，以更好地表示相空间的拓扑特性。利用持久同调群的持久性来编码特征，用于动作识别。我们的实验结果表明，使用这些特征的识别效果优于其他基准方法。

Mar, 2016

本文介绍了一种新的用于 Barcode 的特征映射，包括将 Barcode 转换为路径表示以及路径表示到张量级数的计算，该方法在统计学习中表现出优越性和特征性。

Jun, 2018

提出了一种基于结构稀疏性的联合稀疏回归学习方法，利用来自稀疏部位集的多模态特征的组合将每个动作建模为结构稀疏性，以此来表示各个部位的动态和外观。

Jul, 2015

本文旨在介绍一种最先进的视频表示方法并将其应用于高效的动作识别和检测。我们采用密集轨迹特征提取等一系列方法来改进该方法，并比较了传统基于单词包直方图的编码方法以及 Fisher 向量编码方法在视频识别任务中的表现。实验结果表明，我们提出的改进轨迹特征显着优于传统的密集轨迹方法，并且 Fisher 向量编码方法表现更好。

Apr, 2015

通过引入视点不变特征表示，研究提高现有动作识别架构；提出了一种轻量级通用的空间 - 时间对齐网络（STAN）用于学习动作识别的几何不变表示；实验证明 STAN 模型在广泛使用的数据集上能够在从头开始训练的模式下持续改进动作识别任务的最先进模型。

Aug, 2023

本文介绍了路径签名方法及其在数值计算和机器学习中的应用，对路径签名与粗路径理论也进行了讨论，并介绍了将数据转换为多维路径所使用的嵌入算法，以及如何将签名作为特征用于机器学习任务。

Mar, 2016

提出了一种视觉导航的公式，该公式将基于地图的空间推理和路径规划与基于地标的稳健计划执行融合，该公式基于数据学习，能够高效地导航在新颖环境中，针对模拟现实世界环境进行了测试并报告了竞争基线方法的性能提高。

Dec, 2017