我院青年教师在计算机视觉领域国际权威学术期刊IEEE Transactions on Image Processing（IF=13.7）发表题为 “Spatial Temporal Self-Compensating Graph Convolutional Network for Skeleton-Based Action Recognition under Data Constraints” (10.1109/TIP.2026.3695673) 的研究论文。我院为该成果的第一完成单位，李兴副教授和业巧林教授分别为该论文的第一作者和通讯作者。

       IEEE Transactions on Image Processing (TIP) 是电气与电子工程师协会（IEEE）旗下图像处理领域的国际顶级学术期刊，位列计算机人工智能领域第前 4%，同时是中国计算机学会（CCF）推荐的计算机图形学与多媒体领域的A类期刊，其2025年的影响因子为13.7。‌‌

图1. STSc-GCN 的总体架构

       骨架动作识别在实际应用中常受关节遮挡、缺失帧或噪声干扰，导致识别性能下降。为解决该问题，本文提出了时空自我补偿图卷积网络（STSc-GCN），通过协同运动空间补偿（CMSC）模块和元动作锐化时间补偿（MSTC）模块，分别对空间和时间约束进行自我补偿。CMSC利用多种拓扑关系建模关节协同模式，实现空间维度信息缺失的补偿；MSTC通过锚点姿态与跨注意力机制增强元动作的关键运动特征，有效应对帧信息缺失问题。实验结果显示，STSc-GCN在多种受约束的数据集上实现了最先进的识别性能，同时在标准数据集上表现优异，为骨架动作识别在复杂的数据受限环境下的应用提供了有效方案。