Group

Group

arXiv:2108.07797v1 [cs.CV] 17 Aug 2021

1. 思路
   根据样本和参考视频的相关性来提供重要的线索（因为同一个数据集的视频变化很小），以至于更准确的进行动作质量评估。使用一个Contrastive Regression (CoRe) 来成对的对比。
   尽管对比回归框架可以预测相对分数∆s，∆s通常取值范围很广(例如，对于潜水，∆s∈[−30,30])。因此，直接预测∆s仍然是一个很大的困难，因此提出一个group-aware regression tree将传统的得分回归转换为两个更简单的子任务：由粗到精的分类和小间隔回归。
   缺点：需要人为找视频对
2. 方法
   
   I3D提取特征，回归得到样本和样例视频的区别，再加样例得分，得到样本得分：

上式R表示下图的回归树， f ( n , m ) 输 入 到 节 点 h 0 ， 输 出 回 归