본 논문은 의료 영상에서의 세밀한 동작 평가에 대한 어려움을 해결하기 위해, CPREval-6k라는 새로운 다중 뷰, 다중 레이블 의료 동작 벤치마크를 소개하고, 이를 기반으로 적응형 시공간 표현 학습을 위한 다변량 가우시안 인코딩 프레임워크인 GaussMedAct를 제안합니다. GaussMedAct는 다변량 가우시안 표현을 사용하여 동작을 적응형 3D 가우시안 토큰으로 분해하고, 하이브리드 공간 인코딩을 통해 골격 정보를 효과적으로 활용합니다. 제안된 방법은 벤치마크에서 92.1%의 Top-1 정확도를 달성하며, 기존 방법 대비 높은 성능과 견고성을 보입니다.
