MSR Action3D 精度 97.07%
提出从点到区域再到全局的逐级抽象思路，让动态点云在保持空间细节的同时获得更完整的时序关联，从而在多个三维动作识别基准上达到领先水平。
Guojia, Huang · Hou, Zhenjie · Li, Xing · 梁久祯 · Xinwen, Zhou
Knowledge-Based Systems 2026
在 MSR Action3D 上达到 97.07%，在 NTU RGB+D 120 Cross-Subject 上达到 84.3%，优于或可比于现有方法。
通过 Temporal Context Refiner 增强跨帧时序依赖，解决显式时空解耦造成的运动连续性碎片化问题。
按照 Point → Region → Global 逐级抽象，保持层间语义一致，空间细节和全局结构都能学。
Multi-Scale Regional Channel Attention 结合位置编码与多区域上下文，自动聚焦动作关键区域。