- 博客(10)
- 收藏
- 关注
RSS订阅原创 行为质量评估论文分享
行为质量评估通过处理表演视频并分配相应分数自动评价动作执行质量。研究这个问题的动机源于其在医疗保健、运动视频分析、特定任务技术辨别评估受训人员技能等应用中的潜在用途。图片来源于论文：Improving Action Quality Assessment Using Weighted Aggregation图片展示了一般的回归模型和本文的改进工作。将输入视频分为多个片段，进行特征提取。这些特征被聚合到一个视频级别的特征向量。基于这个特征向量，线性回归器预测行为质量分数。
2024-03-25 16:41:47
807
1
原创 视频动作质量评估论文分享
动作质量评估旨在评估特定动作的执行情况，由于其在各种实际应用中的潜在价值，已成为计算机视觉界一个新兴且有吸引力的研究课题。相比于关注不同类别行为序列正确分类的传统的动作识别问题，AQA需要处理类内区分度低的相同类别视频，是一个更有挑战性的任务。在过去的几年里，提出了大量有关AQA的方法。然而为了直接预测动作得分，他们大多数将AQA简单视为回归问题。不幸的是，他们的表现确实不佳。这种限制的根源在于忽视行动得分标签的潜在模糊性，而这正是AQA关键问题之一。这种歧义是由动作标签产生过程造成的。
2024-03-19 18:51:27
1818
原创 论文分享：Auto-Encoding Score Distribution Regression for Action Quality Assessment
动作质量评估（AQA）是指对视频中的行为进行自动评分，分析一个动作的执行情况。相比于传统的视频动作识别（VAR）更具有挑战性。对于AQA而言，找出动作评分与视频之间的可靠联系至关重要，许多研究者尝试考虑将AQA视为回归问题，学习视频与动作分数之间的直接映射关系，他们采用3D卷积神经或LSTM提取视频特征，应用回归方法得到预测分数。大多数现有AQA方法忽略了数据集固有的任意不确定性，AQA数据集由人为主观构建，存在观测噪声，标签与数据间的映射关系不精确，应被修正为：。
2024-03-14 15:53:43
1702
1
原创 视频动作质量评估：论文分享
动作质量评估旨在评估执行者的动作质量，并提供详细的反馈，以帮助执行者进行自我改正。如图所示，以跳水为例，跳水过程分为五个阶段：开始、起跳、落水、入水和结束。裁判依据每个子阶段的执行分数和动作难度计算运动员跳水成绩。因此，文章认为分阶段质量评价是构建准确的体育赛事质量评估体系一种合理有益的方法。图片来源于论文Label-reconstruction-based pseudo-subscore learning for action quality assessment in sporting events。
2024-01-30 20:06:17
801
1
原创 视频动作质量评估：论文分享
ImageNet一个显著的优势在于从1000个类别的1000张图像上训练的深度架构可以用于其他任务和领域。但后来研究者发现ImageNet训练的架构不能应用于很多领域，如分割、深度估计、姿态估计和动作分类等。在视频理解领域，在一个足够大的数据集上训练一个动作分类网络，当其应用于不同的任务或数据集时，能否取得类似的性能困扰了众多的研究者，因为当前并没有足够大的数据集。所以作者构建Kinetics数据集解决这个问题。
2024-01-29 17:34:51
882
原创 视频动作质量评估：论文分享
动作质量评估目的在于判断动作执行情况，在各种现实场景中具有良好的应用潜力，因此吸引了众多研究者的目光。现有的动作质量评估方法根据问题表述的不同可分为三类：基于分类的方法、基于两两比较的方法和基于回归的方法。但是当前基于全监督的动作质量评估算法严重依赖于人工注释，而真实场景中，面对数量巨大的动作样本，很难获得动作性能的评估注释。在这种情况下，作者提出开发一种能够在只有少量样本注释的情况下学习人体行为表现的模型。
2024-01-24 17:30:02
842
1
原创 代码介绍：Action Quality Assessment Across Multiple Actions
本文作者主要验证两个问题：学会衡量一个行为的质量是否有助于衡量其他行为的质量？来自多个操作的合并样本是否有助于改进当前方法的性能？作者提出的模型：C3D-LSTM图片来源于论文Action Quality Assessment Across Multiple Actions。
2024-01-23 21:13:35
873
原创 视频动作质量评估：论文分享：Action Quality Assessment with TemporalParsing Transformer
介绍：先前有关动作质量评估的方法主要是基于排名的两两比较或者基于回归方法估计质量分数。这些方法都是通过骨干网络输出全局池化操作来表示视频的整体表示。作者在文中提出将整体特征分解为细粒度的动作质量评估时态部分级表示以捕获细粒度的类内变化便于估计更准确的质量分数。考虑到现有的动作质量评估数据集不提供临时部分级标签或分区。因此，作者开发基于回归的操作质量评估策略便于在没有任何显式部分级监督的情况下利用细粒度原子操作模式。
2024-01-23 16:40:38
1704
原创 视频动作质量评估：论文分享：Fine-Grained Spatio-Temporal Parsing Network for Action Quality Assessment
相比于传统的人体动作识别（动作识别侧重于粗粒度动作特征），AQA更关注细微的动作差异，因此仅使用动作识别算法是远远不够的，AQA需要了解细粒度子动作序列及其时间依赖关系，以便于估计最终分数。文中作者探讨了视频动作上下文信息、面向运动的特征表示和序列内子动作解析对AQA任务的影响。
2024-01-22 17:42:37
709
原创 视频动作质量评估：论文分享一Quo Vadis, Action Recognition? A New Model and the Kinetics Dataset
文章介绍一种新的基于2D膨胀卷积神经网络的双流膨胀3D卷积神经网络，使得从视频中学习无缝的时空特征提取器成为可能，同时利用成功的ImageNet架构设计参数。介绍：作者的思路是从文献中重现一些具有代表性的神经网络架构，然后通过首先在Kinetics上预训练每个神经网络架构，然后在HMDB-51和UCF-101上对每个神经网络架构进行微调来分析它们的迁移行为。实验结果表明通过预训练总是可以提高性能。
2024-01-22 14:52:28
373
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人