論文の概要: FineSkiing: A Fine-grained Benchmark for Skiing Action Quality Assessment

• arxiv url: http://arxiv.org/abs/2511.10250v1
• Date: Fri, 14 Nov 2025 01:41:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-14 22:53:22.771521
• Title: FineSkiing: A Fine-grained Benchmark for Skiing Action Quality Assessment
• Title（参考訳）: FineSkiing: アクション品質評価のためのきめ細かいベンチマーク
• Authors: Yongji Zhang, Siqi Li, Yue Gao, Yu Jiang,
• Abstract要約: アクション品質アセスメント(AQA)は、スポーツ活動の評価と評価を目的としている。 既存のAQA手法は、主にビデオ全体から抽出された特徴に基づいてスコアを予測する。 本稿では,空飛ぶスキーのための微粒なサブスコアと推論アノテーションを含む最初のAQAデータセットを構築する。
• 参考スコア（独自算出の注目度）: 18.701250140835224
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Action Quality Assessment (AQA) aims to evaluate and score sports actions, which has attracted widespread interest in recent years. Existing AQA methods primarily predict scores based on features extracted from the entire video, resulting in limited interpretability and reliability. Meanwhile, existing AQA datasets also lack fine-grained annotations for action scores, especially for deduction items and sub-score annotations. In this paper, we construct the first AQA dataset containing fine-grained sub-score and deduction annotations for aerial skiing, which will be released as a new benchmark. For the technical challenges, we propose a novel AQA method, named JudgeMind, which significantly enhances performance and reliability by simulating the judgment and scoring mindset of professional referees. Our method segments the input action video into different stages and scores each stage to enhance accuracy. Then, we propose a stage-aware feature enhancement and fusion module to boost the perception of stage-specific key regions and enhance the robustness to visual changes caused by frequent camera viewpoints switching. In addition, we propose a knowledge-based grade-aware decoder to incorporate possible deduction items as prior knowledge to predict more accurate and reliable scores. Experimental results demonstrate that our method achieves state-of-the-art performance.
• Abstract（参考訳）: アクション品質アセスメント(AQA)は、近年広く関心を集めているスポーツ行動の評価と評価を目的としている。 既存のAQA手法は、主にビデオ全体から抽出された特徴に基づいてスコアを予測し、解釈可能性と信頼性が制限される。 一方、既存のAQAデータセットにはアクションスコア、特に推論項目やサブスコアアノテーションの詳細なアノテーションが欠けている。 本稿では,空飛ぶスキーの詳細なサブスコアと推論アノテーションを含む最初のAQAデータセットを構築し,新しいベンチマークとして公開する。 専門職審判員の判断と評価マインドセットをシミュレートすることで、性能と信頼性を大幅に向上させる新しいAQA手法であるジャッジミンドを提案する。 提案手法では,入力動作映像を異なるステージに分割し,各ステージをスコアし,精度を高める。 そこで我々は,ステージ固有のキー領域の認識を向上し,カメラ視点の頻繁な切り替えによる視覚的変化に対するロバスト性を高めるために,ステージ認識機能拡張と融合モジュールを提案する。 さらに,より正確で信頼性の高いスコアを予測するための事前知識として,推論可能な項目を組み込む知識ベースグレード・アウェア・デコーダを提案する。 実験により,本手法が最先端性能を実現することを示す。

関連論文リスト

• Rethinking Metrics and Benchmarks of Video Anomaly Detection [58.37571339811799]
  ビデオ異常検出(VAD)は、期待から外れた異常を検出することを目的としている。 既存のVADメトリクスは、単一のアノテーションバイアスの影響を受けます。 既存のベンチマークには、完全に/弱い教師付きアルゴリズムのシーンオーバーフィットを評価する能力がない。
  論文  参考訳（メタデータ） (2025-05-25T08:09:42Z)
• Self-Training with Pseudo-Label Scorer for Aspect Sentiment Quad Prediction [54.23208041792073]
  Aspect Sentiment Quad Prediction (ASQP) は、与えられたレビューに対して全てのクワッド(アスペクト項、アスペクトカテゴリー、意見項、感情極性)を予測することを目的としている。 ASQPタスクにおける重要な課題はラベル付きデータの不足であり、既存のメソッドのパフォーマンスを制限している。 そこで我々は,擬似ラベルスコアラーを用いた自己学習フレームワークを提案し,レビューと擬似ラベルの一致をスコアラーが評価する。
  論文  参考訳（メタデータ） (2024-06-26T05:30:21Z)
• GAIA: Rethinking Action Quality Assessment for AI-Generated Videos [56.047773400426486]
  アクション品質アセスメント(AQA)アルゴリズムは、主に実際の特定のシナリオからのアクションに焦点を当て、規範的なアクション機能で事前訓練されている。 我々は,新たな因果推論の観点から大規模主観評価を行うことにより,GAIAを構築した。 その結果、従来のAQA手法、最近のT2Vベンチマークにおけるアクション関連指標、メインストリームビデオ品質手法は、それぞれ0.454、0.191、0.519のSRCCで性能が良くないことがわかった。
  論文  参考訳（メタデータ） (2024-06-10T08:18:07Z)
• CoFInAl: Enhancing Action Quality Assessment with Coarse-to-Fine Instruction Alignment [38.12600984070689]
  アクション品質アセスメント(AQA)は、スポーツや医療といった分野におけるアクションの定量化に重要である。 既存の方法は、小さなAQAデータセットのパフォーマンスを高めるために、大規模なアクション認識データセットからトレーニング済みのバックボーンに依存することが多い。 我々は、粗大な分類タスクとして再構成することで、AQAをより広範な事前訓練タスクと整合させるために、粗大なインストラクションアライメント(CoFInAl)を提案する。
  論文  参考訳（メタデータ） (2024-04-22T09:03:21Z)
• Multi-Stage Contrastive Regression for Action Quality Assessment [31.763380011104015]
  本稿では,アクション品質評価(AQA)タスクのためのMCoRe(Multi-stage Contrastive Regression)フレームワークを提案する。 グラフのコントラスト学習にヒントを得て,新たな段階的コントラスト学習損失関数を提案する。 MCoReは、広く採用されている詳細なAQAデータセット上で、最先端の結果を実証している。
  論文  参考訳（メタデータ） (2024-01-05T14:48:19Z)
• Uncertainty-Driven Action Quality Assessment [11.958132175629368]
  本稿では,複数の判定スコアの多様性を捉えるために,不確実性駆動型AQA (UD-AQA) という新しい確率モデルを提案する。 我々は,AQA回帰損失の再重み付けに使用される各予測の不確かさを推定する。 提案手法は,オリンピックイベントMTL-AQAとFineDivingの3つのベンチマークと,手術スキルJIGSAWSデータセットの3つのベンチマークで比較結果を得た。
  論文  参考訳（メタデータ） (2022-07-29T07:21:15Z)
• FineDiving: A Fine-grained Dataset for Procedure-aware Action Quality Assessment [93.09267863425492]
  競争力のあるスポーツビデオにおける行動の高レベル意味論と内部時間構造の両方を理解することが、予測を正確かつ解釈可能なものにする鍵である、と我々は主張する。 本研究では,多様なダイビングイベントに対して,アクションプロシージャに関する詳細なアノテーションを付加した,ファインディビングと呼ばれる詳細なデータセットを構築した。
  論文  参考訳（メタデータ） (2022-04-07T17:59:32Z)
• Uncertainty-aware Score Distribution Learning for Action Quality Assessment [91.05846506274881]
  行動品質評価(AQA)のための不確実性認識スコア分布学習(USDL)手法を提案する。 具体的には、異なる評価スコアの確率を記述したスコア分布に関連する事例として、アクションを考察する。 微粒なスコアラベルが利用できる状況下では、多パス不確実性を考慮したスコア分布学習法(MUSDL)を考案し、スコアの不整合成分を探索する。
  論文  参考訳（メタデータ） (2020-06-13T15:41:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。