本文提出了一种新颖的端到端可训练深度体系结构，以学习用于从骨骼数据中理解人类运动的细心动态图（ADM）。 ADM不仅打算像传统的动态图像/地图那样捕获人类运动期间（称为动作）的动态信息，而且还希望将时空注意力嵌入动作分类中。 具体而言，将骨架序列编码为骨架关节图（STM）序列，每个STM均编码序列中骨架的关节位置（即空间）和相对时间顺序（即时间）。 将STM序列输入到定制的3DConvLSTM中，以探索可从中获知动态图的局部和全局时空信息。 随后使用此动态图来学习每个时间戳的时空注意。 然后，根