仅95个片段、二元弱标签，V-JEPA 2山地车动作评分AUROC达0.768！
V-JEPA 2 Meets AQA: Phase-Based Scoring and Reference-Based Feedback for Mountain Biking
📖 AI 总结
该研究针对山地自行车跳跃动作质量评估，在仅有二分类弱标签、缺乏连续专家评分与阶段标注的条件下，利用冻结的V-JEPA 2视频特征结合二维姿态与运动测量，将动作划分为四个启发式阶段，由小型Transformer输出二分类得分，并通过参考层与“良好技术”片段对比生成阶段、身体参数和方向提示。五折片段级交叉验证中，完整评分器取得合并袋外AUROC 0.768、平均精度0.812；移除生物力学输入后AUROC升至0.809。外部17片段测试中二分类准确率仅0.412，与专家评分的Spearman相关为-0.135，候选提示精确率0.118、召回率1.0，且两位教练在方向判断上分歧明显。作者明确指出，这些结果尚不足以支撑骑手无关的评分或可靠的纠正反馈，其价值在于厘清后续评估所需开展的实证工作。
🔑 关键词速览
| V-JEPA 2 | 一种基于联合嵌入预测架构的视频特征提取模型，用于从视频中学习表示。 |
| AQA | 动作质量评估，旨在自动评估动作执行的质量。 |
| AUROC | 接收者操作特征曲线下面积，衡量分类模型区分正负样本的能力。 |
| 弱标签 | 指不精确或粗粒度的标签，如二元标签而非连续评分。 |
| 阶段边界 | 动作序列中不同阶段的划分点，用于分段分析动作。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅