본 논문은 센서 기반 인간 활동 인식 분야의 여러 과제를 해결하기 위해 다중 어텐션 상호작용을 중심으로 한 포괄적인 최적화 프로세스 접근 방식을 제안한다. 비지도 통계적 특징 기반 확산 모델을 활용하여 데이터 증강을 수행하고, 다중 분기 특징을 사용하여 고급 잠재 특징을 효과적으로 추출하는 새로운 네트워크 구조인 다중 분기 시공간 상호작용 네트워크(Multi-branch Spatiotemporal Interaction Network)를 제시한다. 또한, 학습 단계에서 다중 손실 함수 융합 전략을 채택하여 배치 간 융합 가중치를 동적으로 조정하여 학습 결과를 최적화한다. 마지막으로, 임베디드 장치에 실제 배포하여 제안된 방법의 실용성을 광범위하게 테스트한다. 세 개의 공개 데이터셋을 사용하여 ablation study, 관련 연구와의 비교, 임베디드 배포 등 광범위한 테스트를 수행한다.
