基于三维姿态的花样滑冰时间动作分割：一种细粒度且跳跃程序感知的标注方法
计算机视觉与模式识别
2024-08-30 v1 机器学习
摘要
从视频中理解人类动作在许多领域（包括体育）都至关重要。在花样滑冰中，技术评判通过观察滑冰者的三维动作进行，其评判过程的组成部分可视为时间动作分割（TAS）任务。自动为视频分配时间语义的花样滑冰 TAS 任务正被积极研究。然而，对于需要三维姿态数据的 TAS 任务，缺乏数据集和有效方法。在本研究中，我们使用光学无标记动作捕捉技术，创建了包含复杂动态花样滑冰跳跃的 FS-Jump3D 数据集。我们还提出了一种新的细粒度花样滑冰跳跃 TAS 数据集标注方法，使 TAS 模型能够学习跳跃程序。实验中，我们验证了三维姿态特征作为输入以及细粒度数据集对花样滑冰 TAS 模型的有效性。FS-Jump3D 数据集可在 https://github.com/ryota-skating/FS-Jump3D 获取。
关键词
引用
@article{arxiv.2408.16638,
title = {3D Pose-Based Temporal Action Segmentation for Figure Skating: A Fine-Grained and Jump Procedure-Aware Annotation Approach},
author = {Ryota Tanaka and Tomohiro Suzuki and Keisuke Fujii},
journal= {arXiv preprint arXiv:2408.16638},
year = {2024}
}
备注
10 pages, 7th ACM International Workshop on Multimedia Content Analysis in Sports