Bewertung der Aktionsqualität mit einem mehrstufigen temporalen Aufmerksamkeitsmechanismus

Die Bewertung der Aktionsqualität ist ein herausfordernderes Thema als die Aktionserkennung, da von den Modellen verlangt wird, die Qualität anhand feinkörniger Unterschiede in den Aktionen zu beurteilen. Aktuelle gängige Ansätze formulieren das Problem als Regressionsaufgabe basierend auf spatio-temporalen Video-Features. Die meisten bisherigen Methoden ignorieren jedoch, dass die Bewegungsleistung zu unterschiedlichen Phasen oder Zeitpunkten in der Bewertung der Aktionsqualität unterschiedliche Wichtigkeit haben kann. In dieser Hinsicht schlagen wir eine Methode zur Bewertung der Aktionsqualität vor, die einen mehrstufigen temporalen Aufmerksamkeitsmechanismus verwendet, um unterschiedlichen Zeitpunkten angemessene Gewichte über den temporalen Aufmerksamkeitsmechanismus zuzuweisen. Zudem wurden zur Bewältigung von Problemen bei der Video-Feature-Fusion und subjektivem Rauschen im AQA-Datensatz jeweils LSTM-ähnliche MLP-Strukturen und glättende Labeling-Strategien angewandt. Im Vergleich zur aktuellen Methodenspitze, CoRe, konnten wir eine Verbesserung von 1,84 % auf dem AQA-7-Datensatz und 0,91 % auf dem MTL-AQA-Datensatz erzielen.