基于对比学习的动作识别研究综述

来源：电子与信息学报杂志2025年第8期北京时间：

作者：孙中华, 吴双, 贾克斌, 冯金超, 刘鹏宇

单位：1.北京工业大学信息科学技术学院 北京 1001242.先进信息网络北京实验室 北京 1001243.计算智能与智能系统北京市重点实验室 北京 100124

摘要：人体动作具有类别数量多、类内/类间差异不均衡等特性，导致动作识别对数据标签数量与质量的依赖度过高，大幅增加了学习模型的训练成本，而对比学习是解决该问题的有效方法之一，近年来基于对比学习的动作识别逐渐成为研究热点。基于此，该文全面论述了对比学习在动作识别中的最新进展，将对比学习的研究分为3大阶段：传统对比学习、基于聚类的对比学习以及不使用负样本的对比学习。在每一阶段，首先概述具有代表性的对比学习模型，然后分析了当前基于该类模型的主要动作识别方法。另外，介绍了主流基准数据集，总结了经典方法在数据集上的性能对比。最后，探讨了对比学习模型在动作识别研究中的局限性和可延展之处。

关键词：动作识别, 对比学习, 对比损失, 无监督学习

基金资助：北京市自然科学基金(4212001)