# 基于骨架的人体动作识别

自监督骨架动作识别的主流对比学习模型此前对对抗攻击几乎没有防御，输入或特征上的微小扰动就能让识别结果大幅失效。QCLR把量化做成可插拔模块，在编码流程的输入和特征两级把连续值映射到离散码本，既吸收小扰动又切断梯度传播；在NTU-60、NTU-120和PKU-MMD上接入SkeletonCLR、AimCLR、ActCLR后，PGD与SMART攻击成功率降到个位数，分类精度保持在与原模型相当的水平。

自监督骨架动作识别的主流对比学习模型此前对对抗攻击几乎没有防御，输入或特征上的微小扰动就能让识别结果大幅失效。QCLR把量化做成可插拔模块，在编码流程的输入和特征两级把连续值映射到离散码本，既吸收小扰动又切断梯度传播；在NTU-60、NTU-120和PKU-MMD上接入SkeletonCLR、AimCLR、ActCLR后，PGD与SMART攻击成功率降到个位数，分类精度保持在与原模型相当的水平。