基于多维自适应约束动态时间规整的无标签动作质量评估
计算机视觉与模式识别
2024-10-29 v2
摘要
在线运动和锻炼的日益普及需要有效的方法来评估在线运动执行的质量。以往依赖运动视频标注分数的动作质量评估方法，其准确性和可区分性略低。这一局限性阻碍了它们快速应用于新增的运动项目。为解决此问题，本文提出了一种用于动作质量评估的无标签多维运动距离自适应约束动态时间规整(MED-ACDTW)方法。我们的方法使用一种运动版本的DTW来比较模板视频和测试视频的特征，从而在训练过程中无需分数标签。结果表明，与单独使用2D或3D姿态估计相比，同时利用2D和3D空间维度以及多个人体特征，可将准确率提高2-3%。此外，使用MED进行分数计算提高了帧距离匹配的精度，从而显著提升了整体可区分性。自适应约束方案将动作质量评估的可区分性提高了约30%。此外，为解决体育课评估中缺乏标准化视角的问题，我们引入了一个名为BGym的新数据集。
引用
@article{arxiv.2410.14161,
title = {Unlabeled Action Quality Assessment Based on Multi-dimensional Adaptive Constrained Dynamic Time Warping},
author = {Renguang Chen and Guolong Zheng and Xu Yang and Zhide Chen and Jiwu Shu and Wencheng Yang and Kexin Zhu and Chen Feng},
journal= {arXiv preprint arXiv:2410.14161},
year = {2024}
}