面向动作质量评估的姿态感知多级运动解析
计算机视觉与模式识别
2025-11-11 v1
摘要
人体姿态是动作质量评估（AQA）的基石，其中姿态的细微时空变化往往是区分卓越与平庸的关键。在高级别比赛中，这些微妙的差异成为评分的决定性因素。在本文中，我们基于增强的时空姿态特征，提出了一种用于AQA的新型多级运动解析框架。在第一级，借助姿态提取设计了动作单元解析器，以实现精确的动作分割与全面的局部-全局姿态表示。在第二级，运动解析器通过时空特征学习来捕捉每个动作单元的姿态变化与外观细节。同时，除了与身体相关的因素外，一些特殊条件也会影响动作评分，例如跳水时的水花。在本研究中，我们设计了一个额外的条件解析器，以为用户提供更多选择上的灵活性。最后，引入了权重调整评分模块，以更好地适应各种动作类型的多样化需求以及动作单元的多尺度特性。在大规模跳水运动数据集上的广泛评估表明，我们的多级运动解析框架在动作分割与动作评分任务上均取得了SOTA的性能。
引用
@article{arxiv.2511.05611,
title = {Pose-Aware Multi-Level Motion Parsing for Action Quality Assessment},
author = {Shuaikang Zhu and Yang Yang and Chen Sun},
journal= {arXiv preprint arXiv:2511.05611},
year = {2025}
}