ExpertEdit：基于专家视频学习技能感知的运动编辑
计算机视觉与模式识别
2026-04-14 v1
摘要
运动技能的获取在运动和康复领域至关重要，心理学研究表明，观看接近完美版本的自身表现比仅观看专家示范更能加速学习。我们提出通过自动编辑一个人的动作以反映更高技能来实现这种个性化反馈。现有的运动编辑方法不适用于此场景，因为它们假设配对的输入输出数据——对于技能驱动的任务稀缺且昂贵——以及在推断时的显式编辑指导。我们引入 ExpertEdit，一个仅基于未配对的专家视频演示训练的技能驱动运动编辑框架。ExpertEdit 通过掩码语言建模目标学习专家运动先验，将被掩码的运动段位注入专家水平的细化。推断时， novice 的动作在技能关键时刻被掩码，并投射到所学的专家流形上，从而在无配对监督或手动编辑指导的情况下产生局部技能改进。跨越八种多样化技术和三个运动项目（来自 Ego-Exo4D 和 Karate Kyokushin），ExpertEdit 在运动真实性和专家质量的多个指标上超越了最先进的受监督运动编辑方法。项目页面：https://vision.cs.utexas.edu/projects/expert_edit/。
引用
@article{arxiv.2604.10466,
title = {ExpertEdit: Learning Skill-Aware Motion Editing from Expert Videos},
author = {Arjun Somayazulu and Kristen Grauman},
journal= {arXiv preprint arXiv:2604.10466},
year = {2026}
}