Learning To Score Olympic Events

Paper Readingはほぼ自分用の簡易的な論文まとめです

・論文基本情報

Learning To Score Olympic Events(2017)

Paritosh Parmar,Brendan Tran Morris,

University of Nevada

Computer Vision and Pattern Recognition Workshops 2017

・どんな論文か

オリンピックスポーツ（飛び込みとフィギュアスケート、体操）の放映映像と採点結果を教師データとして、最終得点をC3D+SVR/C3D+LSTM/C3D+LSTM+SVRで予測するもの

・先行研究との差分（新規性）

手法：ノイズが多い姿勢情報ではなく、ディープベースのRGB特徴量を用いた手法を提案

データセット：飛び込みと体操の新しいデータセットを提案

・手法概要

・既存手法の姿勢特徴量はノイズが多い、また飛び込み競技における水しぶきなどの重要な視覚情報失われることを指摘し、3DCNN(C3D)によるRGBベースの特徴量を使用、SVM。LSTMで回帰

・評価指標はSpearman rank correlation

・結果

・ノイズの多い姿勢情報よりも、RGBベースの特徴量のほうが精度が高い
・時系列モデルであるLSTMよりも、クリップレベルの特徴を平均してSVMで回帰したもののほうが精度が良い

・議論

・フィギュアに関しては試技時間が長いためSVMのみ。

⇢RGB特徴のみ、時系列情報をつぶしている点に課題。

・その他