CVPRJun, 2020

动作质量评估中的不确定性感知评分分布学习

PDF
TL;DR提出了一种基于分数分布学习的不确定性感知评分模型（USDL）来进行动作质量评估（AQA），该模型能够处理多个评委或他们的主观评估所造成的评分标签的内在模糊性，并且在多径不确定性感知分数分布学习（MUSDL）方法下能够探究评分的解耦组成部分，实验证明该方法在各种奥林匹克行动和外科活动数据集上均取得了新的排名第一。
发现论文，激发创造
  • 通过任务一致的分数 - 辨别特征分布建模进行持续行动评估

    连续学习的行动质量评估方法，通过任务一致的得分判别特征分布来减轻遗忘问题，并使用有限内存的特征 - 得分相关觉察重复数据，以及开发行动一般 - 特定图形来学习和解耦行动的知识。

    Sep, 2023

  • 跨多个动作的行动质量评估

    本研究通过实验探究在行动质量评估（AQA）环境中是否可能进行知识转移，发现跨多项行动学习单一模型可以提高性能。该实验基于作者发布的 AQA 数据集，在其中进行了 1106 个动作样本的实验，结果表明多项行为的合并样本有助于当前方法的性能提升。

    Dec, 2018

  • 一种多任务学习方法用于行动质量评估

    提出了一种多任务学习方法来改善行动质量评估 (AQA) 的表现，此方法解决了细粒度行动识别、评注生成和评估 AQA 值三个相关任务，结果表明出优于单任务学习方法，获得了目前的最优结果。

    Apr, 2019

  • 嵌套神经符号法对动作质量评估的研究

    使用计算机视觉进行行动质量评估的研究通过神经网络从视频数据中提取可解释的符号，并应用规则进行质量评估。该研究以潜水为案例研究，发现领域专家更喜欢该系统，并认为它比纯粹的神经网络方法在潜水行动质量评估方面更具信息量。该系统还实现了先进的动作识别和时间分割，并自动生成详细报告，将潜水行动分解为各个元素，并提供带有可视证据的客观评分。通过一组领域专家的验证，该报告可以用于协助评委打分，培训评委，并向潜水员提供反馈。研究人员将公开其所有的标注训练数据和代码以便于可重复性。

    Mar, 2024

  • 学习如何给奥林匹克比赛打分

    本研究使用三种基于神经网络模型的框架 (SVR, LSTM, LSTM+SVR) 对奥林匹克运动会项目（跳水、跳马和花样滑冰）的比赛评价进行实验。实验结果表明，三种框架均显著优于现有的比赛质量评估方法，其中基于 SVR 的框架取得最好的效果，而基于 LSTM 的框架则更符合动作的描述和改进反馈。

    Nov, 2016

  • 面向组群的对比回归算法在动作品质评估中的应用

    本文提出了 CoRe 框架，通过组内视频对比来学习相对得分，进而利用 group-aware regression tree 将传统得分回归转化为粗分类和小区间回归两个子问题，从而在三个主流 AQA 数据集上取得了比以前方法显著更好的表现，并建立了新的技术水平。

    Aug, 2021

  • 时序解析变换器用于动作质量评估

    通过时间解析变压器将运动分解为时间部分级表示，采用对比回归与分级损失函数用于动作质量评估，提高了当前方法在多个 AQA 基准测试中的性能。

    Jul, 2022

  • 从确定到不确定的回答：针对视频问答的不确定性感知课程学习

    通过在课程学习（CL）框架中逐步训练模型，将 VideoQA 引入其中，并通过不同类型的不确定性引导困难度的动态调整，本论文提出了增强模型泛化能力的可能性，并通过综合实验验证了该方法的有效性。

    Jan, 2024

  • 多模态行动质量评估

    通过提出一种渐进自适应多模态融合网络（PAMFN），该网络利用视觉信息和音频信息相结合以提高动作质量评估的准确性。研究表明，音频是一种有效的补充信息，尤其对于带有背景音乐的体育项目，如花样滑冰和韵律体操。PAMFN 由三个专注于各自信息的分支和一个逐渐聚合各种信息的混合分支构成，采用了一些创新模块来建立各分支之间的联系。这个研究还引入了自适应融合模块，旨在学习不同动作部分的适应性多模态融合策略。

    Jan, 2024

  • 从未剪辑的视频中识别不确定动作

    本文提出了一种基于视频级别标签进行训练的视频动作识别模型，该模型利用大型图像数据集中训练的逐帧人物检测器，在多实例学习框架内实现。此外，我们使用新的概率多实例学习方法来估计每个预测的不确定性，并在 AVA 数据集上取得了第一个弱监督结果，在 UCF101-24 上获得了弱监督方法的最新成果。

    Jul, 2020