PoseはAction Recognitionで重要な要素だが従来モデルではあまり考慮されていなかった．本稿では3つのCNN（Spatial Pose CNN，Temporal Pose Convolution，Action CNN）を用いることでPoseを考慮した認識を行った．

Video Action RecognitionのデータセットであるJHMDB，HMDBにおいてSoTA．