揭示动态人类动作识别的关键维度：基于768个视频片段的多维空间建模研究

《Communications Psychology》：Revealing Key Dimensions Underlying the Recognition of Dynamic Human Actions

本研究针对人类如何理解他人动作这一核心问题，通过构建包含768段1秒视频（涵盖256个动作类别）的数据库，并收集6,036名参与者的相似性评分，采用稀疏正相似性嵌入（SPoSE）计算模型，首次数据驱动地揭示了动作表征空间的28个关键维度（如互动、运动、手工等）。这些维度不仅涵盖人类动作本身，还涉及生物/非生物实体等相关领域，且通过独立实验验证了维度权重与人工评分的强相关性（r=0.78）。该多维动作空间模型为量化动作相似性、探索动作理解的认知神经机制提供了新范式。

　　

在日常生活中，我们每时每刻都在解读他人的行为——从交谈中的手势到通勤路上的步履匆匆。然而，面对同一动作千变万化的执行方式，人类大脑如何迅速且准确地对其进行归类和理解？这一看似简单的能力，实则挑战着认知科学领域的核心难题：动作表征的基本原理是什么？

传统理论认为，动作与物体类似，可被表征为多维空间中的点，动作间的主观相似性由其在该空间中的欧氏距离决定。但现有研究多局限于有限的动作类别，且缺乏系统性的维度挖掘方法，导致对动作表征关键维度的认识仍不完整。为突破这一瓶颈，德国雷根斯堡大学的André Bockes团队联合马克斯·普朗克研究所等机构，在《Communications Psychology》发表了一项开创性研究，首次通过大规模数据驱动方法揭示了人类动作识别的28个核心维度。

为构建高质量研究基础，团队从包含百万视频的Moments in Time（MiT）数据库中筛选出256类人类动作，并利用深度神经网络（ResNet-50）提取每段视频最具信息量的1秒片段，最终建立包含768个标准化视频的“人类动作视频数据库”。

研究核心采用三重“异类识别”任务，通过亚马逊机械土耳其（Amazon Mechanical Turk）平台收集6,036名参与者对1,186,795个视频组合的相似性判断，共获得125万次有效选择。基于这些行为数据，团队应用稀疏正相似性嵌入（SPoSE）模型进行迭代优化，将初始100个潜在维度缩减为28个具有心理学意义的动作维度。

维度特征揭示多层次动作表征

28个维度按权重降序排列，覆盖了从抽象目标导向行动（如手工、言语、运动）到具体实体属性（如人群、儿童、食物）的广泛范畴。通过可视化各维度权重最高的视频（图4）并结合独立参与者标注实验，发现维度标签具有高度一致性（如维度1被标注为“手工”，维度2为“运动”）。值得注意的是，部分维度存在层级结构（如“运动”与“冬季运动”），暗示认知系统可能根据任务需求灵活调用不同抽象层级的特征。

动作特异性维度剖面验证模型有效性

每个动作视频可表示为28维空间中的独特剖面。如图5所示，“平衡”“划船”等动作虽共享“户外”维度，但通过其他维度组合实现区分；而“进食”动作则由“口腔”与“食物”维度共同定义。这种剖面差异为量化动作相似性提供了精确指标。

人工评分与模型权重高度吻合

为验证维度可解释性，21名参与者对20个随机动作视频进行维度典型性评分。结果显示，基于人工评分的相似性矩阵与SPoSE模型权重矩阵的相关系数达0.78（P<0.001），证明模型提取的维度确实被人类潜意识用于动作相似性判断。

关键方法学创新

本研究主要技术路径包括：（1）基于MiT数据库的多步骤视频筛选与标准化处理；（2）通过三重异类识别任务收集大规模行为数据；（3）应用SPoSE模型进行维度降维与特征提取；（4）利用维度命名与评分实验验证模型可解释性。所有数据均通过在线平台（Amazon Mechanical Turk）与实验室实验结合收集。

讨论与展望

本研究建立的28维动作空间模型，不仅整合了既往研究中重复出现的工具使用、食物相关等维度，更拓展至环境、物质、作用力等新范畴。其重要意义在于：

1. 1.1.
   理论层面：支持“动作理解基于多维特征比较”的假说，为动作分类的层级灵活性提供证据；
2. 2.2.
   方法层面：开创了动态动作表征的数据驱动研究范式，克服了静态刺激的局限性；
3. 3.3.
   应用层面：生成的动作相似性量化指标可为神经科学研究提供假设生成框架，例如通过fMRI（功能性磁共振成像）探索不同维度在大脑中的编码区域。

未来研究可进一步探讨维度表征的时空动态性、个体差异（如专家vs新手），以及其与动作因果知识（如脚本、框架理论）的整合机制。该模型为理解人类社会认知的计算基础开辟了新路径。

结论

通过结合大规模行为数据与计算建模，本研究成功绘制出人类动作理解的多维地图，证明28个可解释维度足以捕捉动作相似性判断的认知本质。这一成果不仅深化了对动作表征机制的理解，更为探索动作理解障碍（如自闭症谱系障碍）的认知基础提供了新视角。