論文の概要: V-JEPA 2 Meets AQA: Phase-Based Scoring and Reference-Based Feedback for Mountain Biking
- arxiv url: http://arxiv.org/abs/2610.30160v1
- Date: Sun, 27 Sep 2026 18:26:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-26 00:37:12.156808
- Title: V-JEPA 2 Meets AQA: Phase-Based Scoring and Reference-Based Feedback for Mountain Biking
- Title（参考訳）: V-JEPA 2がAQAに - マウンテンバイクのフェーズベースのスコーリングとリファレンスベースのフィードバック
- Abstract要約: 弱いラベルと候補フィードバックを用いたマウンテンバイクの行動品質評価(AQA)について検討した。
トレーニングコーパスは、良い又は悪い技術を示す2進ラベル付き95フィールド記録ジャンプクリップを含む。
パイプラインでは,凍結したV-JEPA2ビデオ特徴と2次元ポーズとモーション計測を用いて4つの位相を要約した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We study mountain-bike action quality assessment (AQA) with weak labels and candidate feedback. The training corpus comprises 95 field-recorded jump clips with binary labels denoting good or poor technique. These are coarse categorical labels, not continuous expert quality scores; phase-boundary and aspect-level annotations are unavailable. Our pipeline summarizes four heuristic phases using frozen V-JEPA 2 video features and two-dimensional pose and motion measurements. A small transformer predicts a binary-label score. A separate reference layer compares phase-specific measurements with those of clips labelled as good technique to propose phase, body-parameter, and direction cues. We detail the measurements, network, and evaluation so that the limits of each output are explicit. In five-fold clip-level cross-validation, the full scorer obtained pooled out-of-fold AUROC 0.768 and average precision 0.812. These are exploratory figures because the reporting fold also selected the neural training epoch and riders were not separated between folds. Removing biomechanical scoring inputs raised AUROC to 0.809. A separate inner-selection run obtained AUROC 0.678, but used about 57 rather than 76 training clips per outer fold, so its difference from the test-selected run does not quantify selection bias. The unsupervised aspect head did not learn distinct factors. On a 17-clip external probe, an earlier checkpoint obtained binary accuracy 0.412 and Spearman association -0.135 with expert scores. Candidate cues had precision 0.118 and recall 1.0 against each of two coaches, with substantial disagreement about direction. These findings do not establish rider-independent scoring or reliable corrective feedback; they identify the empirical work needed to evaluate either use.
- Abstract（参考訳）: 弱いラベルと候補フィードバックを用いたマウンテンバイクの行動品質評価(AQA)について検討した。
トレーニングコーパスは、良い又は悪い技術を示す2進ラベル付き95フィールド記録ジャンプクリップを含む。
これらは粗い分類ラベルであり、継続的な専門家の品質スコアではない。
パイプラインは,凍結したV-JEPA2ビデオ特徴と2次元ポーズとモーション計測を用いて,4つのヒューリスティック位相を要約した。
小さな変圧器はバイナリラベルスコアを予測する。
異なる参照層は、位相、体パラメータ、方向の手がかりを提案する良い手法としてラベル付けされたクリップの位相比の測定と比較する。
各出力の限界が明確になるように、測定、ネットワーク、評価について詳述する。
5倍のクリップレベルのクロスバリデーションでは、フルスコアがAUROC 0.768と平均精度0.812をプールした。
これらは、報告の折りたたみ部が神経訓練の時期を選定し、ライダーは折りたたみ部を分離しなかったため、探索的な数字である。
バイオメカニカルスコアインプットの除去はAUROCを0.809に引き上げた。
内部選択ランはAUROC 0.678を得たが、外周あたり76回のトレーニングクリップではなく57回使用していたため、テスト選択ランとの違いは選択バイアスの定量化には至らなかった。
教師なしのアスペクトヘッドは、異なる要因を学習しなかった。
17クリップの外部プローブでは、初期のチェックポイントが2進精度0.412とスペアマン・アソシエーション0.135と専門家のスコアを得た。
候補のキューは2両のコーチそれぞれに対して精度0.118、リコール1.0であり、方向性についてはかなりの意見の相違があった。
これらの知見は、ライダー非依存のスコアリングや信頼性の高い修正フィードバックを確立しておらず、どちらの使用も評価するのに必要な経験的作業を特定する。
関連論文リスト
- When Does Evidence-Graph Structure Predict Answer Correctness? Label-Free Abstention for Structured Retrieval [0.0]
トレーニング不要の禁忌法は、エビデンスグラフにおいて選択されたエビデンスに境界カットを適用する。
信号は選択された候補と選択されていない候補の間の重み付きカットであり、正確性ラベルや信頼モデルトレーニングを必要としない。
論文 参考訳（メタデータ） (2026-10-16T07:19:00Z) - CÆNL: Collapse-Based Active Neural Learning with Objective-Aligned Representation Control [2.28438857884398]
アクティブラーニングは、後続のラベルを取得するために使われる表現を変更する。
我々は、この相互作用をCNL(Collapse-Based Active Neural Learning)を通して研究し、獲得、動的崩壊規則化(Dynamic Collapse Regularization、DCR)とその係数ポリシーを分離する。
6シードの分類比較は2つのバックボーンのそれぞれに対して、別個の制御選択と10シードの評価による104ランの試験によって補完される。
論文 参考訳（メタデータ） (2026-10-13T00:12:58Z) - Unsupervised Multimodal Reward Modeling [42.14678889506751]
視覚言語報酬モデルでは、アノテートされた選好ペアをトレーニングするが、これは収集に高価であり、不一致があり、ベンチマークの精度でランク付けされる。
凍結したQwen3-VLバックボーンの中間層にリニアヘッドを置き、同じキャプションの摂動バージョンの上にウェブキャプションをスコアするように訓練した。
論文 参考訳（メタデータ） (2026-10-08T20:38:25Z) - Teacher-Anchored Selection of Post-Training Quantized Models under Domain Shift [46.60221265861393]
候補者と教師が固定され,対象ラベルが欠落または不足している家族に対する選択について検討した。
独立に訓練されたコンボリューション(英語版)またはビジョントランスフォーマー(英語版)の教師1人当たりの1人のうち1人、34人以上の候補者が、平均的な後悔を和らげる。
論文 参考訳（メタデータ） (2026-09-25T11:49:05Z) - Unsupervised spiking feature learning for event-based pedestrian crossing detection: approaching supervised accuracy without labelled training data [0.0]
我々は、最新のDVS-PedX歩行者横断ベンチマークにおいて、教師なしの結果を報告した。
スパイクタイピング依存のプラスチックで訓練された単一のスパイク層は、乱れのないイベントフレームパッチから辞書を学習する。
論文 参考訳（メタデータ） (2026-09-15T20:07:06Z) - Support Operation Factorization: Compositional Readout of Frozen Vision Encoders under Controlled Interventions [87.95757610455173]
我々は、x演算グリッドとSO-OPFをサポートするために、インジェクティブに整合した残余セルアウトプロトコルを導入する。
グリッドが分かっているときにキャリアがホールドアウトバインディングを構成するかどうか、フラットなセルラベルからグリッドを回収できるかどうかという2つの質問を分離する。
論文 参考訳（メタデータ） (2026-08-06T15:38:55Z) - Let the Results Speak: A Replication-First Paradigm for LLM Behavioral Benchmarking [22.825786049667602]
本稿では,1つのヒト・ラタのコンセンサスに有効性を確保するために,複製第一パラダイムを提案する。
楽器を4つの特性で認証する - Kランの信頼性、アーキテクチャ的に異なる審査員間のクロスインストラクトレプリケーション、以前のトレーニングコホートからの審査員による歴史的フットプリントキャリブレーション、事前登録された予測。
本研究は, 自己発達型データ駆動による情緒的伴奏で, 次元は事前に決められず, 手順は9次元に安定化する。
論文 参考訳（メタデータ） (2026-05-27T03:41:11Z) - Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。
個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。
構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
論文 参考訳（メタデータ） (2026-05-15T17:08:27Z) - Pretraining Objective Matters in Extreme Low-Data FGVC: A Backbone-Controlled Study [39.146761527401424]
教師付き分類、コントラスト学習(SigLIP2)、マスク再構築(MAE)、自己蒸留(DINOv3)の4つの凍結型ViT-B/16エンコーダを比較した。
教師付きおよび対照的なエンコーダは、最も強い線形分離性(論理的AUC: 0.768 と 0.735; SVM AUC: 0.739 と 0.697)を提供する。
この領域では、DINOv3はプローブファミリーで不活性である。
論文 参考訳（メタデータ） (2026-05-15T04:14:16Z) - Distilling Self-Consistency into Verbal Confidence: A Pre-Registered Negative Result and Post-Hoc Rescue on Gemma 3 4B [0.0]
インストラクトチューニングされた小さなLLMは、最小の誘引の下で変性した言語的信頼を生み出す。
自信条件付き教師付き微調整と自己整合性に基づく目標が内部情報と音声読取のギャップを埋めるかどうかを検証した。
論文 参考訳（メタデータ） (2026-04-27T05:53:26Z) - Reference-Free Rating of LLM Responses via Latent Information [53.463883683503106]
本研究では,判断モデルに対して,自由テキスト応答にQuattスケールのスコアを割り当てるよう依頼する一般的な実践について検討する。
次に、内部モデル信号からスカラー評価を導出する潜在裁判官を提案し、評価する。
ペアとシングルレーティングのベンチマークの幅広いスイートの中で、潜在メソッドは標準のプロンプトにマッチするか、超えている。
論文 参考訳（メタデータ） (2025-09-29T12:15:52Z)
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。