雙手動作分割是計算機視覺領域的一個重要任務，旨在從視頻中識別和定位雙手的不同動作。現有方法通常假設雙手動作在時間上是同步的，因此在對左右手特徵進行融合時，直接採用相同的時間索引。然而，實際中雙手協調過渡往往存在非零且隨時間變化的延遲，這導致傳統方法在邊界定位和動作分割上存在不足。
針對這一問題，來自研究團隊提出了一種名為時滯感知交叉手對齊（Lag-Aware Cross-Hand Alignment, LACA）的輕量級模塊。該模塊能夠顯式估計左右手專用特徵流之間的方向性時間偏移分佈，從而捕捉雙手動作間的異步關係。LACA從估計的偏移中檢索交叉手信息，並引入一個可學習的空狀態：當檢測到不支持兼容的交叉手過渡時，該空狀態會抑制信息傳輸，避免錯誤對齊。對齊過程通過兼容性感知目標進行監督，這些目標自動從幀級訓練標註中導出，無需任何額外的人工標註。
實驗結果表明，LACA模塊非常有效。在HA-ViD和ATTACH這兩個公開數據集上，研究人員對訓練標註進行了分析，發現分別有44.7%和48.9%的過渡錨點存在穩健的非零交叉手匹配，而作為對照的時間偏移控制組中，這一比例僅為18.6%和21.3%。這充分説明了建模異步延遲的必要性。將LACA集成到Polyphony模型中後，性能提升顯著：在HA-ViD數據集上，雙手平均F1@50從40.4提升至42.5，邊界F1從56.5提升至59.6；在ATTACH數據集上，相應指標從19.9提升至21.8，以及從44.7提升至47.9。值得注意的是，這些提升僅需增加約0.0086百萬個可訓練參數，幾乎是零成本的。
此外，研究團隊還推出了LACA的未來無關變體LACA-C，該變體將對齊及完整推理流程限制在當前和過去的觀測中，不依賴未來信息，從而實現實時感知。在ATTACH數據集上，LACA-C實現了83.6%的過渡線索召回率，種子平均中位可用延遲僅為233毫秒，每分鐘產生0.72個假線索，分割階段的吞吐量達到每秒224.9個當前位置預測。這些指標表明，LACA-C能夠在低延遲下提供準確的過渡檢測，非常適合於實時應用場景。
總的來説，LACA通過顯式的交叉手時間對齊，同時改善了動作分割和邊界定位的性能，並且支持無需未來信息的及時感知。這一方法為雙手動作理解領域提供了新的思路，有望推動人機交互、機器人操作等應用的發展。