基于统一多实体图与知识蒸馏的少样本精准事件定位

精准事件定位（PES）旨在在确切时刻识别细粒度事件，已成为体育分析的关键组件。由于事件快速连续、运动模糊和细微视觉差异，此任务尤其具有挑战性。因此，大多数现有方法依赖于特定领域的端到端训练，需大量标记数据集，往往在少样本条件下难以胜任，因其依赖像素或姿态输入。然而获取大量标记数据集在实际中十分困难。我们提出了统一多实体图网络（UMEG-Net）用于少样本 PES。UMEG-Net 将人类骨架和运动-specific 对象关键点整合到统一图中，并基于先进的 GCN 和多尺度时间位移实现高效的时空特征提取模块。为进一步提升性能，我们采用多模态知识蒸馿，将基于关键点的图从视觉表示中传递知识。我们的做法在有限标记数据下表现出稳健性能，并显著优于少样本设置下的基线模型，为少样本 PES 提供了可扩展且高效的解决方案。代码已公开于 https://github.com/LZYAndy/UMEG-Net。