arXiv:2108.07797v1 [cs.CV] 17 Aug 2021
- 思路
根据样本和参考视频的相关性来提供重要的线索(因为同一个数据集的视频变化很小),以至于更准确的进行动作质量评估。使用一个Contrastive Regression (CoRe) 来成对的对比。
尽管对比回归框架可以预测相对分数∆s,∆s通常取值范围很广(例如,对于潜水,∆s∈[−30,30])。因此,直接预测∆s仍然是一个很大的困难,因此提出一个group-aware regression tree将传统的得分回归转换为两个更简单的子任务:由粗到精的分类和小间隔回归。
缺点:需要人为找视频对 - 方法
I3D提取特征,回归得到样本和样例视频的区别,再加样例得分,得到样本得分:
上式R表示下图的回归树, f ( n , m ) 输 入 到 节 点 h 0 , 输 出 回