PHI：通过渐进式分层指令弥合长期动作质量评估中的领域偏移

长期动作质量评估（Action Quality Assessment, AQA）旨在评估长视频中动作的量化表现。然而，由于预训练的大规模动作识别主干网络与特定 AQA 任务之间存在领域偏移，现有方法面临挑战，从而阻碍了其性能。这是由于在小型 AQA 数据集上微调资源密集型的主干网络是不切实际的。我们通过识别两个层次的领域偏移来解决这一问题：任务级偏移（关于任务目标的差异）和特征级偏移（关于重要特征的差异）。对于危害更大的特征级偏移，我们提出了具有两种策略的渐进式分层指令（Progressive Hierarchical Instruction, PHI）。首先，间隙最小化流（Gap Minimization Flow, GMF）利用流匹配逐步学习一条快速流路径，以缩小从浅层到深层中初始特征与期望特征之间的领域间隙。此外，一个时间增强注意力模块捕捉了 AQA 所需的长程依赖关系。其次，列表式对比正则化（List-wise Contrastive Regularization, LCR）通过全面比较批次对来学习细粒度线索，同时缓解领域偏移，从而实现由粗到细的对齐。集成这些模块后，PHI 提供了一种有效的解决方案。实验表明，PHI 在三个具有代表性的长期 AQA 数据集上取得了 SOTA 性能，证明了其在解决长期 AQA 领域偏移方面的优越性。