部分観測された行動シーケンスからクラスラベルを予測することは、異なる行動の初期セグメントが非常に類似しているため、非常に困難なタスクである。本論文では、識別が困難な類似行動ペア間の関係に特化して調査するため、新たなハードネス感知型識別ネットワーク（HARD-Net）を提案する。具体的には、困難な類似ペアを動的に記録する「ハードインスタンス干渉クラス（HI-IC）バンク」を設計した。このHI-ICバンクを基盤として、新たな敵対学習スキームを提案し、HARD-Netの訓練を実施した。これにより、3次元的な早期行動予測において微細な識別情報を効果的に抽出する強力な能力をネットワークに付与した。提案手法のHARD-Netは、2つの公開行動データセット上で評価され、最先端の性能を達成した。