骨格ベースの人間行動認識は、3D骨格データの普及に伴い、最近ますます注目を集めています。この分野における主な課題の一つは、捕捉された人間行動における視点変動の大きさにあります。本研究では、行動が発生する際に観測視点を自動的に調整する新しい視点適応スキームを提案します。人間が定義した事前基準に基づいて骨格を再配置するのではなく、LSTMアーキテクチャを持つ視点適応型リカレントニューラルネットワーク（RNN）を設計しました。これにより、ネットワーク自体がエンドツーエンドで最も適切な観測視点に適応することが可能になります。広範な実験分析の結果、提案した視点適応型RNNモデルは(1)異なる視点の骨格をより一貫性のある視点に変換し、(2)各フレームを同じ位置と同一の身体向きに変換することなく、行動の連続性を維持することを目指していることが示されました。当該モデルは、3つのベンチマークデータセットにおいて既存の最先端手法よりも大幅な改善を達成しています。