초록
행동 품질 평가(AQA)는 컴퓨터 비전을 활용하여 인간의 행동 수행이나 실행을 정량적으로 평가하는 기술입니다. 현재의 AQA 접근 방식은 끝에서 끝까지 연결된 신경망 모델로, 이러한 모델들은 투명성이 부족하며 주관적인 인간의 판단이 지도 데이터로 사용되기 때문에 편향될 가능성이 큽니다. 이러한 문제를 해결하기 위해, 우리는 신경-기호(Neuro-Symbolic) 패러다임을 AQA에 도입하였습니다. 이 패러다임은 신경망을 사용하여 동영상 데이터에서 해석 가능한 기호를 추상화하고, 그 기호들에 규칙을 적용하여 품질을 평가합니다.우리는 다이빙을 사례 연구로 선정하였습니다. 결과적으로, 전문가들은 우리의 시스템이 순수한 신경망 접근 방식보다 더 우수하고 정보가 풍부하다고 평가하였습니다. 또한, 우리의 시스템은 최신의 행동 인식과 시간적 구분화 성능을 달성하였으며, 다이빙 동작을 요소별로 분해하고 시각적 증거와 함께 객관적인 점수를 제공하는 상세한 보고서를 자동으로 생성합니다. 전문가 집단의 검증 결과, 이 보고서는 심판들의 점수 매기기를 지원하거나 심판 교육에 활용되며, 다이버들에게 피드백을 제공하는 데 사용될 수 있습니다.주석이 달린 학습 데이터 및 코드: https://github.com/laurenok24/NSAQA.