学习对花样滑冰运动视频进行评分
多媒体
2018-07-31 v3 计算机视觉与模式识别
摘要
本文旨在学习对花样滑冰运动视频进行评分。为解决该任务，我们提出了一种深度架构，包含两种互补组件，即自注意力 LSTM 与多尺度卷积跳跃 LSTM。这两个组件能够高效学习每个视频中的局部与全局序列信息。此外，我们提出了一个大规模花样滑冰运动视频数据集——FisV 数据集。该数据集包含 500 个花样滑冰视频，平均时长为 2 分 50 秒。每个视频由九位不同裁判标注两个分数，即技术总分（Total Element Score, TES）与节目内容总分（Total Program Component Score, PCS）。我们提出的模型在 FisV 与 MIT-skate 数据集上进行了验证。实验结果表明了我们的模型在学习对花样滑冰视频评分方面的有效性。
引用
@article{arxiv.1802.02774,
title = {Learning to score the figure skating sports videos},
author = {Chengming Xu and Yanwei Fu and Bing Zhang and Zitian Chen and Yu-Gang Jiang and Xiangyang Xue},
journal= {arXiv preprint arXiv:1802.02774},
year = {2018}
}