Wir stellen einen neuartigen, auf tiefer Lernung basierenden Ansatz zur Erkennung von Gruppenaktivitäten vor, namens Pose Only Group Activity Recognition System (POGARS), der ausschließlich verfolgte Körperpose-Daten von Personen nutzt, um die ausgeführte Gruppenaktivität vorherzusagen. Im Gegensatz zu bestehenden Ansätzen zur Gruppenaktivitäts-Erkennung verwendet POGARS 1D-CNNs, um die räumlich-zeitlichen Dynamiken einzelner Personen innerhalb einer Gruppenaktivität zu lernen, und verzichtet dabei auf die Extraktion von Merkmalen aus Pixel-Daten. Das vorgeschlagene Modell setzt eine räumlich-zeitliche Aufmerksamkeitsmechanik ein, um die individuelle Bedeutung jedes einzelnen Personen zu schätzen, und nutzt zudem Multi-Task-Lernen, um gleichzeitig die Klassifikation von Gruppen- und Einzelaktionen durchzuführen. Experimentelle Ergebnisse bestätigen, dass POGARS im Vergleich zu aktuellen state-of-the-art-Methoden auf einem weit verbreiteten öffentlichen Volleyball-Datensatz hochkompetitive Ergebnisse erzielt, obwohl ausschließlich verfolgte Pose als Eingabedaten verwendet werden. Zudem zeigen unsere Experimente, dass POGARS im Vergleich zu Methoden, die RGB-Daten als Eingabe nutzen, eine bessere Verallgemeinerungsfähigkeit aufweist, wenn ausschließlich Pose als Eingabe dient.