PulseAugur
中
实时 07:38:30
English(EN) MoAKE: Toward Unified All-in-One Action Quality Assessment via Mixture of Action Knowledge Experts

MoAKE框架提供统一的动作质量评估方法

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出MoAKE，一个统一的动作质量评估（AQA）新框架，可以在单个模型中评估各种动作。与之前为每种动作类型需要单独模型的方法不同，MoAKE采用专家混合机制，每个专家专门处理不同的动作模式。这种方法可以减轻负面知识转移，并动态聚合专家知识以适应输入动作。MoAKE还纳入了段感知原型和自适应段内及段间关系建模模块，以处理不同的时间长度并模拟多粒度时间动态。该框架在“一站式”AQA方面取得了显著改进，并在零样本/少样本评估中展现出强大的泛化能力。 AI

影响 这项研究可能带来更通用、更易于部署的动作质量评估系统，减少每种动作类型都需要专用模型的需要。

排序理由 这是一篇详细介绍动作质量评估新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

MoAKE框架提供统一的动作质量评估方法

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Huangbiao Xu, Huanqi Wu, Xiao Ke, Jiaxin Cai, Junyi Wu, Jinglin Xu ·

    MoAKE：迈向通过混合动作知识专家进行的统一一体化动作质量评估

    arXiv:2607.19826v1 Announce Type: new 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-wo…

相关话题