ProSkill: 用于程序视频的分段级技能评估
计算机视觉与模式识别
2026-01-29 v1
摘要
程序视频中的技能评估对于客观评估制造业和程序日常任务中的人类表现至关重要。当前的技能评估研究主要聚焦于运动项目,且缺乏复杂程序活动的大规模数据集。现有研究通常仅涉及有限数量的动作,或关注两两评估(例如,A 优于 B),或针对二元标签(例如,良好执行 vs 需要改进)。为此,我们引入 ProSkill,第一个针对程序任务中动作级技能评估的基准数据集。ProSkill 提供绝对技能评估注释,并提供两两评估。这使我们能够实现一种新颖且可扩展的注释协议,允许从两两评估开始创建绝对技能评估排序。该协议利用 Swiss 锦标赛方案进行高效的两两比较,然后使用 ELO 评级系统将其聚合到一致的连续全局分数中。我们使用该数据集对主要的 state-of-the-art 技能评估算法进行基准测试,包括排名方法和两两方法。当前 state-of-the-art 的次优结果凸显了 ProSkill 在程序视频技能评估中的挑战与价值。所有数据和代码均可在 https://fpv-iplab.github.io/ProSkill/ 获取。
引用
@article{arxiv.2601.20661,
title = {ProSkill: Segment-Level Skill Assessment in Procedural Videos},
author = {Michele Mazzamuto and Daniele Di Mauro and Gianpiero Francesca and Giovanni Maria Farinella and Antonino Furnari},
journal= {arXiv preprint arXiv:2601.20661},
year = {2026}
}
备注
Accepted at The IEEE/CVF Winter Conference on Applications of Computer Vision 2026