用于细粒度羽毛球动作定位的解耦时空适配器
计算机视觉与模式识别
2026-05-25 v1 机器学习
多媒体
摘要
时序动作定位 (TAL) 在通用视频理解中已被广泛研究，而专业羽毛球等细粒度体育场景由于其复杂且微妙时空动力学特征仍未被充分探索。在本文中，我们关注专业羽毛球视频中的细粒度 TAL，并引入了一个新的基准数据集 Fine-Badminton，该数据集包含 31 场比赛、29 个细粒度击球类别，涵盖 2104 个回合和 27597 个标注动作。为了有效捕捉此类场景中复杂的运动模式，我们提出了解耦时空适配器 (DSTA)，它能够在参数高效框架内对时空特征进行高效建模。具体而言，DSTA 将运动表示分解为三个并行分支，分别捕捉时间动力学以及垂直和水平空间变化。这种设计使模型能够更好地区分细粒度动作之间的细微差异。在 Fine-Badminton 数据集和 ShuttleSet 基准上的大量实验表明，所提出的方法实现了 SOTA 性能，同时仅引入了微小的计算和参数成本增加。这些结果验证了所提出方法在细粒度时序动作定位上的有效性和效率。
引用
@article{arxiv.2605.23355,
title = {Decoupling Spatio-Temporal Adapter for Fine-Grained Badminton Action Localization},
author = {Tianyu Wang and Junjie Wu and Jingquan Gao and Shishuo Li},
journal= {arXiv preprint arXiv:2605.23355},
year = {2026}
}
备注
11 pages, 11figures