谁更好？谁最好？用于技能评估的成对深度排序

我们提出了一种从视频中评估技能的方法，适用于从外科手术到绘画和擀披萨面团等多种任务。我们使用有监督的深度排序，将该问题表述为视频集合的成对排序（谁更好？）和整体排序（谁最好？）。我们提出了一种新颖的损失函数，当一对视频表现出技能差异时学习判别性特征，当一对视频表现出可比的技能水平时学习共享特征。结果表明我们的方法适用于跨任务，在四个数据集上正确排序的视频对的百分比从 70% 到 83% 不等。我们通过对参数的敏感性分析展示了该方法的鲁棒性。我们将这项工作视为迈向教学视频集合的自动化组织以及视频中通用技能评估的努力。