
摘要
学习评估某一行为的质量是否有助于评估其他行为的质量?如果是这样,来自多个行为的综合样本能否帮助提高当前方法的性能?在本文中,我们进行了实验,以探讨在行为质量评估(Action Quality Assessment, AQA)环境中知识迁移的可能性。实验是在我们新发布的AQA数据集(http://rtis.oit.unlv.edu/datasets.html)上进行的,该数据集包含由专家人类评审员评定质量分数的7种行为中的1106个样本。我们的实验结果表明,在多种行为之间学习单一模型是有价值的。
代码仓库
ParitoshParmar/C3D-LSTM--PyTorch
pytorch
GitHub 中提及
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| action-quality-assessment-on-aqa-7 | All-Action C3D-LSTM | Spearman Correlation: 64.78% |
| action-quality-assessment-on-aqa-7 | Single-Action C3D-LSTM | Spearman Correlation: 61.65% |
| action-quality-assessment-on-aqa-7 | Single-Action C3D-SVR | Spearman Correlation: 69.37% |