基于连体网络深度度量学习的动作质量评估
计算机视觉与模式识别
2020-02-28 v1
摘要
基于视觉的自动化评分模型可用作避免评判偏见的另一种意见。在以往的工作中，评分模型通过学习将视频表示回归到裁判给出的真实分数来进行训练。然而此类基于回归的方案缺乏可解释性，无法给出所给分数的理由。使分数更具可解释性的一种方案是将给定的动作视频与参考视频进行比较。这将捕捉相对于参考视频的时间变化，并将这些变化映射到最终分数。在这项工作中，我们提出了一种新型动作评分系统，作为一个两阶段系统：(1) 深度度量学习模块，基于裁判给出的真实分数学习任意两个动作视频之间的相似性；(2) 分数估计模块，利用第一个模块寻找视频与参考视频的相似度以给出评估分数。所提出的评分模型已在奥运会跳水和体操跳马项目上测试，且模型优于现有的最先进评分模型。
引用
@article{arxiv.2002.12096,
title = {Action Quality Assessment using Siamese Network-Based Deep Metric Learning},
author = {Hiteshi Jain and Gaurav Harit and Avinash Sharma},
journal= {arXiv preprint arXiv:2002.12096},
year = {2020}
}
备注
12 pages, 5 Figures, 8 tables