S3D: STACKING SEGMENTAL P3D FOR ACTION QUALITY ASSESSMENT

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

S3D : Stacking Segmental P3D for Action Quality Assessment(2018)

Xiang Xiang*, Ye Tian*, Austin Reiter, Gregory D. Hager and Trac D. Tran Johns Hopkins University

2018 25th IEEE International Conference on Image Processing (ICIP)

・どんな論文か

ダイビングの最終得点を予測するアルゴリズムS3Dを提案している

・先行研究との差分（新規性）

これまでのRGB特徴ベースのCNNでのアプローチはほぼ水しぶきのみに着目した精度と変わらない。
技の評価の観点では、全体を見る必要がある
セグメントごとに途中の点を採点しながら最終得点を予測することで精度をあげる

・手法概要

試技を局面（Biginning,Jumping,Dropping,Entering,Ending）にTCNで分け、局面ごとに中間のスコアを算出（S3D）して、最終的な得点を出す
C3DではなくP3Dを用いることで、計算量を削減している

 

・結果

• P3Dはfull videoの場合、精度は入水の局面のみを用いた場合とそれほど変わらず、局面ごとにサンプリングしたもののほうが精度が高い
• P3Dはクリップごとに特徴を計算しないため、C3Dよりも効率的。

 

 

・議論

・クリップレベルの時系列特徴量においてLSTMは効果的でない可能性。

・姿勢、音などを用いることでさらに精度がよくなる？

・その他