不确定性驱动的动作质量评估
计算机视觉与模式识别
2025-01-06 v3
摘要
自动动作质量评估（AQA）因其广泛应用而受到越来越多的关注。然而，大多数现有的 AQA 方法采用确定性模型来预测每个动作的最终分数，却忽略了专家评委在评分过程中的主观性与多样性。本文提出一种新颖的概率模型，称为不确定性驱动 AQA（UD-AQA），以利用并捕捉多个评委分数之间的多样性。具体而言，我们设计了一个基于条件变分自编码器（CVAE）的模块来编码专家评估中的不确定性，通过对学习到的潜空间多次采样潜特征，可生成多个评委分数。为了进一步利用不确定性，我们为每次预测生成不确定性估计，并将其用于重新加权 AQA 回归损失，从而在训练过程中有效降低不确定样本的影响。此外，我们进一步设计了一种不确定性引导的训练策略，以动态地从低不确定性到高不确定性调整样本的学习顺序。实验表明，我们所提出的方法在包括奥林匹克赛事 MTL-AQA 和 FineDiving，以及手术技能 JIGSAWS 数据集在内的三个基准上取得了具有竞争力的结果。
引用
@article{arxiv.2207.14513,
title = {Uncertainty-Driven Action Quality Assessment},
author = {Caixia Zhou and Yaping Huang},
journal= {arXiv preprint arXiv:2207.14513},
year = {2025}
}