論文の概要: MoAKE: Toward Unified All-in-One Action Quality Assessment via Mixture of Action Knowledge Experts
- arxiv url: http://arxiv.org/abs/2607.19826v1
- Date: Wed, 22 Jul 2026 06:59:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-23 18:51:37.996598
- Title: MoAKE: Toward Unified All-in-One Action Quality Assessment via Mixture of Action Knowledge Experts
- Title（参考訳）: MoAKE: アクション知識を融合したオールインワンアクション品質評価を目指して
- Abstract要約: アクション品質アセスメント(AQA)は、アクションビデオからパフォーマンス品質を客観的に評価することを目的としている。
既存のほとんどのメソッドは1対1のパラダイムに従い、アクションタイプごとに別々のモデルをトレーニングします。
本稿では, ネガティブな知識伝達を軽減すべく, アクション知識エキスパートの混合(Mixture of Action Knowledge Experts)フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 24.636480920817736
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Action Quality Assessment (AQA) aims to objectively evaluate performance quality from action videos. Most existing methods follow a ``one-by-one'' paradigm, training a separate model for each action type. This setting limits real-world deployment, as it requires prior action-type knowledge to select the corresponding model and suffers from poor generalization across diverse actions. To address these limitations, we study the challenging task of all-in-one AQA, which aims to assess heterogeneous actions within a single unified model. We propose a novel Mixture of Action Knowledge Experts (MoAKE) framework, designed to mitigate negative knowledge transfer caused by large semantic discrepancies among actions. MoAKE learns complementary experts that capture diverse action patterns within a shared semantic space and dynamically aggregates their knowledge to adapt the assessment to the input action. Each expert is tailored with segment-aware prototypes to handle varying temporal lengths, together with an Adaptive Intra- and Inter-Segment Relationship Modeling (AIISRM) module to model multi-granularity temporal dynamics. Furthermore, we establish comprehensive benchmarks for all-in-one as well as zero/few-shot AQA. Extensive experiments on three long-term datasets demonstrate that MoAKE significantly outperforms existing methods in the all-in-one setting, while also achieving consistent generalization on three short-term datasets under zero/few-shot evaluation. Code is available at https://github.com/XuHuangbiao/MoAKE.
- Abstract（参考訳）: アクション品質アセスメント(AQA)は、アクションビデオからパフォーマンス品質を客観的に評価することを目的としている。
既存のほとんどのメソッドは‘one-by-one’パラダイムに従っており、アクションタイプごとに別々のモデルをトレーニングしている。
この設定は、対応するモデルを選択するのにアクションタイプの事前知識が必要であり、多様なアクションをまたいだ一般化に苦しむため、現実世界のデプロイメントを制限する。
これらの制約に対処するため、単一統一モデル内での不均一な動作を評価することを目的としたオールインワンAQAの課題について検討する。
本研究では,行動間の大きな相違による負の知識伝達を軽減するために,行動知識エキスパートの混在(Mixture of Action Knowledge Experts)フレームワークを提案する。
MoAKEは、共有セマンティック空間内で多様なアクションパターンをキャプチャする補完的な専門家を学び、その知識を動的に集約して入力アクションに適応する。
各専門家は、異なる時間長を扱うためのセグメント認識プロトタイプと、多粒性時間ダイナミクスをモデル化するための適応的内部および間関係モデリング(AIISRM)モジュールを共用する。
さらに、オールインワンおよびゼロ/フェーショットAQAのための包括的なベンチマークを確立する。
3つの長期データセットに対する大規模な実験により、MoAKEはオールインワン環境で既存の手法を著しく上回り、同時にゼロ/フェーショット評価の下で3つの短期データセットに対して一貫した一般化を実現している。
コードはhttps://github.com/XuHuangbiao/MoAKE.comで入手できる。
関連論文リスト
- From World Action Models to Embodied Brains: A Roadmap for Open-World Physical Intelligence [54.62791372989525]
アクションモデル、ビジョン言語-アクションポリシー、世界モデルは、この目標を前進させた。
世界行動モデル(WAM)は、候補者の介入と予測された結果とを結びつけるため、特に有望である。
我々は、WAMへの進化をレビューし、これらの制限をモデルの役割と表現、目的と標準化、システム構成という3つの組み合わせのギャップにまとめる。
論文 参考訳（メタデータ） (2026-07-13T15:22:56Z) - HarmoWAM: Harmonizing Generalizable and Precise Manipulation via Adaptive World Action Models [58.191567345416836]
世界行動モデル(WAM)は、物理力学のモデリングによるロボット制御のための有望なパラダイムとして登場した。
HarmoWAMは、予測と反応の制御を統一するために世界モデルを完全に活用し、一般的なトランジットと正確な操作を可能にする。
実世界の6つのロボットタスクにまたがる3つのトレーニング未確認テスト環境を構築し、背景、位置、オブジェクトの意味のバリエーションをカバーした。
論文 参考訳（メタデータ） (2026-05-11T17:59:56Z) - Multi-Agent Model-Based Reinforcement Learning with Joint State-Action Learned Embeddings [10.36125908359289]
モデルに基づくマルチエージェント強化学習フレームワークを提案する。
我々は変分自動エンコーダで訓練された世界モデルを設計し、状態-作用学習埋め込みを用いてモデルを増強する。
想像された軌道とSALEに基づく行動値とを結合することにより、エージェントは彼らの選択が集団的な結果にどのように影響するかをより深く理解する。
論文 参考訳（メタデータ） (2026-02-13T01:57:21Z) - Reshaping Action Error Distributions for Reliable Vision-Language-Action Models [69.38615670891038]
ロボット操作において、視覚言語アクション(VLA)モデルは、一般化可能でスケーラブルなロボットポリシーを学ぶための有望なパラダイムとして登場した。
連続動作型VLAモデルに焦点をあて、トレーニング中の動作誤差分布を再構成することにより、従来のMSEベースの回帰を超越する。
複数の代表的VLAアーキテクチャ上で、標準、少数ショット、ノイズの多い設定にまたがるアプローチを評価します。
論文 参考訳（メタデータ） (2026-02-04T05:37:09Z) - MCMoE: Completing Missing Modalities with Mixture of Experts for Incomplete Multimodal Action Quality Assessment [25.542507946327333]
本研究では,一段階学習における一助学習と共同表現学習を統一するMCMoE(Missing Completion Framework with Mixture of Experts)を提案する。
次に、モダリティの専門家を設計し、モダリティの知識を学習し、すべての専門家の知識を動的に混合し、モダリティ間の共同表現を抽出する。
我々のMCMoEは,3つの公開ベンチマークにおいて,完全かつ不完全なマルチモーダル学習を実現する。
論文 参考訳（メタデータ） (2025-11-21T16:56:25Z) - Few-shot Human Action Anomaly Detection via a Unified Contrastive Learning Framework [5.2816633000124975]
人間行動異常検出(Human Action Anomaly Detection, HAAD)は、訓練中に正常な行動データのみを与えられた異常な行動を特定することを目的としている。
既存の手法は典型的には1-モデル/1-カテゴリのパラダイムに従っており、アクションカテゴリごとに個別のトレーニングと多数の正規サンプルを必要とする。
数ショットのシナリオと互換性のあるHAAD用の統一フレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-25T07:07:35Z) - Universal Semi-supervised Model Adaptation via Collaborative Consistency
Training [92.52892510093037]
我々は、Universal Semi-supervised Model Adaptation (USMA)と呼ばれる現実的で挑戦的なドメイン適応問題を導入する。
本稿では,2つのモデル間の予測整合性を規則化する協調的整合性トレーニングフレームワークを提案する。
実験により,いくつかのベンチマークデータセットにおける本手法の有効性が示された。
論文 参考訳（メタデータ） (2023-07-07T08:19:40Z) - Semi-Supervised Few-Shot Atomic Action Recognition [59.587738451616495]
半教師付き数発のアトミック・アクション認識のための新しいモデルを提案する。
我々のモデルは、教師なしおよびコントラスト付きビデオ埋め込み、ゆるやかなアクションアライメント、マルチヘッド特徴比較、アテンションベースのアグリゲーションを特徴としている。
実験により,本モデルは,それぞれの最先端の分類精度よりも高い精度を全監督条件下で達成できることが確認された。
論文 参考訳（メタデータ） (2020-11-17T03:59:05Z) - Goal-Aware Prediction: Learning to Model What Matters [105.43098326577434]
学習した前進力学モデルを使用する際の根本的な課題の1つは、学習したモデルの目的と下流のプランナーやポリシーの目標とのミスマッチである。
本稿では,タスク関連情報への直接的予測を提案し,そのモデルが現在のタスクを認識し,状態空間の関連量のみをモデル化することを奨励する。
提案手法は,目標条件付きシーンの関連部分を効果的にモデル化し,その結果,標準タスク非依存のダイナミックスモデルやモデルレス強化学習より優れていることがわかった。
論文 参考訳（メタデータ） (2020-07-14T16:42:59Z)
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。