通过构建表达力强的组合行为模型，模拟视频中动作实例的时空组合，采用弱监督学习算法，识别行为的潜在结构，最终实验结果表明该方法在动作识别方面的表现优于竞争方法。

Feb, 2015

利用 BABEL 动作文本集合，设计了一种基于 Transformer 的 TEACH 方法，能够根据自然语言描述生成符合语义的 3D 人体动作，实现由多个动作组成的时间动作构成。

Sep, 2022

本研究介绍了一种新框架来生成组合动作，该方法不依赖语言辅助，包括三个主要组成部分：动作耦合、条件动作生成和解耦调整。通过利用能量模型提取子动作的注意力掩码，整合两个动作生成伪训练示例。然后使用条件生成模型 CVAE 来学习潜在空间以促进多样化生成。最后引入解耦调整，利用自监督预训练模型 MAE 来确保子动作和组合动作之间的语义一致性。通过创建两个包含子动作和组合动作的新数据集并提出相应的评估指标，进行定性和定量评估以展示我们的有效性。

Jul, 2023

该研究提出了 SESAR 方法，它将无监督学习和少量有监督学习相结合，通过两个组件对骨骼动作序列进行训练，从而实现骨骼动作识别，其性能超越其他方法，即使只使用 1% 已标记的数据。

Dec, 2020

该论文提出了一种基于对比学习的行动识别新范例，并使用多种新型增强策略来对未标记的骨架序列数据进行对比，从而学习动作表示，并展示了该方法在无监督学习中的优异性能。

Aug, 2020

本研究提出了一种 Attention Enhanced Graph Convolutional LSTM 网络 (AGC-LSTM) 的方法，它不仅可以在时间与空间领域之间探索联合关系，还可以通过注意力机制提高每个 AGC-LSTM 层中关键节点的特征差异性， 同时在空间和时间特征上提取关键特征，该方法在两个数据集上的表现均优于现有的最先进方法。

Feb, 2019

本文提出了一种新的对复杂活动中的子动作进行非监督学习的方法，将视觉和时间表示映射到一个空间中，利用 “判别式潜在概念学习” 模块进行无监督的子动作学习，可以在视觉和时间嵌入空间中学习到稳健的动作表示。

Apr, 2021

介绍了一种名为 LIA 的基于自我监督的自编码器模型，该模型可以在潜在空间中进行线性导航以运动图像。LIA 避免了使用结构表示，通过同时学习正交运动方向和其线性组合来生成视频，结果在 VoxCeleb、Taichi 和 TED-talk 数据集上的质量明显优于现有方法。

Mar, 2022

提出一种基于关注机制的对比学习框架，用于骨架序列的表征学习，因为人体动作特征的语义区分常常由局部身体部位表示，如腿部或手部等，这对于基于骨架的动作识别是有优势的，并且该方法通过学习软注意力蒙版特征和生成大量的对比对来增强对局部特征相似性的学习，从而提高了基于骨架的动作表征的准确度。

May, 2023

本文提出了一种基于注意力机制的分层结构潜在模型，用于学习特征语义的时间变化，通过两个组件进行实现：第一个是无监督的变点检测模块，通过在时间层次中学习视频特征的变化率来检测变点；第二个是基于注意力的分类模型，将前景的变点作为边界来选择。通过在两个基准数据集 THUMOS-14 和 ActivityNet-v1.3 上进行广泛实验，结果表明我们的方法优于当前最先进的方法，并且甚至与全监督方法具有可比较的性能。

Aug, 2023