Notation de Likert avec découplage de notation pour l’évaluation des actions à long terme

L’évaluation de la qualité des actions à long terme consiste à évaluer la performance d’une action sur la base d’une vidéo longue, en estimant un score de qualité. Intuitivement, les actions à long terme englobent généralement des segments présentant des niveaux de compétence variés, que nous appelons des « niveaux de performance ». Par exemple, une action prolongée peut comporter à la fois des moments techniques remarquables et des erreurs. Le score final doit donc refléter l’effet global combiné de ces différents niveaux de performance observés dans la vidéo. Pour explorer cette relation latente, nous proposons un nouveau paradigme d’évaluation basé sur l’échelle de Likert, inspiré de l’échelle de Likert utilisée en psychométrie. Dans ce cadre, les niveaux de performance sont quantifiés explicitement, et le score final est obtenu en combinant ces valeurs quantitatives avec les réponses estimées à partir de la vidéo, plutôt que par une régression directe. En outre, nous extrayons des caractéristiques spécifiques à chaque niveau de performance à l’aide d’un décodeur Transformer doté de requêtes apprenables diversifiées, afin d’estimer les réponses correspondantes pour chaque niveau. Le modèle global est nommé Grade-decoupling Likert Transformer (GDLT), et il atteint des résultats de pointe sur deux jeux de données d’évaluation d’actions à long terme.