文章总结： 该论文提出一种基于无监督时序分割、自监督特征增强和渐进式子分数学习的动作质量评估方法，在缺乏子动作评分标签的情况下实现细粒度反馈。关键发现包括自监督学习显著提升特征鲁棒性，长期依赖建模优于短期依赖，无监督分割边界误差对结果影响微弱。该方法适用于体育训练和医疗康复等领域，具备部署到边缘设备的潜力。 综合评分： 90 文章分类： 其他

---

论文研读与思考 | 拒绝“黑盒评估”：当AI学会拆解动作，运动训练将迎来哪些改变？

原创

Shuo Shuo

玄枢战队-Arcane Hub

2026年5月13日 22:29 新加坡

在小说阅读器读本章

去阅读

原文标题：Semantic-aware self-supervised learning using progressive sub-action regression for action quality assessment

原文作者：Marjan Mazruei, Ehsan Fazl-Ersi*, Abedin Vahedian, Ahad Harati

论文链接： https://doi.org/10.1038/s41598-026-36668-y

发表期刊：Scientific Reports (2026) 16:6670 · Nature

一、主要研究问题、目标和方法

1.1 主要研究问题和研究动机

动作质量评估（AQA）的目标是从视频中给一段人体动作打出一个客观的质量分数。这个方向在体育、医疗康复、工业培训等领域都很实用。但现有方法有一个普遍的短板——它们往往只输出一个总分，而不告诉你”哪个环节做得好、哪个环节出了问题”。举个例子，一个跳水运动员拿了个低分，教练想知道的是：到底是起跳姿势不对，还是入水时水花太大？但传统模型只会给一个总分数，没法给出这种细粒度的反馈。

更棘手的是，要让模型学会给每个子动作打分，你得先有标注好的训练数据——也就是每个子动作对应的真实评分。然而，这种精细标注的数据几乎不存在。公开数据集中，极少数有时序分割标签（标注了”起跳””空中翻腾””入水”各自的起止时间），但没有任何数据集提供了子动作级别的评分标签。手工标注这类数据需要专业裁判参与，成本高、耗时长，几乎不可行。

所以，这篇论文要回答的核心问题是：在没有子动作评分标签的情况下，如何让模型既能为整体动作精准打分，又能为每个子阶段给出有意义、可解释的细粒度反馈？本文所给予的深度学习AQA模型的基本框架图，帮助读者理解AQA任务的标准流程如下所示：

图1 深度学习AQA模型框架图

1.2 论文提出的研究方法和框架设计

图2 全阶段总体框架图

论文提出了一个如上的五阶段框架，一条线走下来，从原始视频到最终分数，每一步都有明确的功能定位：

1.无监督时序语义分割

把一段完整的动作视频切成若干有语义含义的子片段。比如一段跳水视频被切成”准备-起跳-空中-入水-结束”五个阶段。关键在于，这个切分过程完全不需要人工标注时序边界——作者采用了TW-FINCH算法，一种基于聚类的时间分割方法，自动识别语义转折点。

2.鲁棒时空特征提取

切好子片段后，用预训练的P3D网络从每个子片段中提取2048维的时空特征。但原始特征有个问题：对时间上的”缺帧”或”错位”非常敏感。于是作者引入了一个自监督学习模块——具体做法是：随机遮住每个子片段中连续25%的帧，然后让网络从残缺帧中还原出和完整帧一致的特征表示。这相当于让模型”练习”在信息不完整时也能抓住动作本质，从而让提取的特征更加鲁棒、更具判别力。自监督学习模块概览图如下所示：

图3 自监督学习模块概览图

3.伪子分数计算

有了鲁棒特征后，如何在没有真实子分数标签的情况下生成训练用的子分数？作者的做法是把整体评分标签作为一个额外的特征维度，和鲁棒时空特征拼接在一起，送入一个五层全连接网络来预测伪子分数。这相当于告诉网络”这个动作整体得了80分”，让网络自己去推断每个子阶段大概该得多少分。

4.渐进式特征增强与伪子分数精炼

直接把整体分数塞给每个子动作会带来偏差——所有子分数都倾向于和总分趋同，丧失区分度。为了解决这个问题，作者设计了两种策略来建模子动作之间的时序依赖关系：

（1）短期依赖（SA1）：每个子动作的特征中，除了整体评分标签，还加入它前一个子动作的伪子分数。这模拟了”前一个动作的完成质量直接影响下一个动作”的因果关系。比如起跳不好，翻腾就受影响。短期依赖的特征增强示意图如下所示：

图4 短期依赖特征增强图

（2）长期依赖（SA2）：每个子动作的特征中，加入它前面所有子动作的伪子分数。这捕获了”误差累积”效应——一系列微小的早期失误可能不断放大，最终导致入水时巨大水花。长期依赖的特征增强示意图如下所示：

图5 长期依赖特征增强图

  5.多子阶段AQA回归

最后一步，去掉训练时依赖的整体评分标签，只用鲁棒时空特征来预测最终的子分数和总分。

损失函数同时包含两个目标：子分数预测要与精炼后的伪子分数一致，总分预测要与真实总分一致。

多子阶段AQA回归的结构示意图如下所示：

图6 回归结构图

1.3 这些方法如何研究解决问题

对照本文的核心问题来说，可以从以下角度进行分析：

（1）细粒度反馈的需求：通过无监督分割+伪子分数机制，在没有子动作评分标签的情况下实现了子阶段级别的评分输出。

（2）标注稀缺的困境：无监督分割跳过了时序边界标注的需求、伪子分数跳过了子动作评分标注的需求、自监督学习进一步减少了对标注数据的依赖。

（3）子动作间因果关系建模：渐进式策略（SA1/SA2）显式地编码了前序子动作对后续子动作的影响，区分了短期因果和长期累积两种依赖。

三者形成一个协同闭环，鲁棒特征让伪子分数更准确，更准确的伪子分数反过来让时序依赖建模更有效，更有效的依赖建模又进一步提升了整体预测精度。

二、论文的主要发现、结论及创新点是什么？

2.1 论文的核心结果与主要发现

1.数据集的表现

在UNLV-Diving数据集上，完整模型（Baseline + SSL + SA2）达到了SRC = 0.9651，MSE = 10.3361，MED = 2.3222——SRC指标刷新了当时的最佳记录。

在规模更大的FineDiving数据集上，SRC达到0.9835，同样在三项指标上全面领先。

2.自监督学习的显著提升

消融实验揭示了一个关键发现：自监督学习模块带来的提升最为显著。以UNLV-Diving为例，在加入SSL后，SRC从0.8798（Baseline+SA1）跃升至0.9553（Baseline+SSL+SA1），MSE从33.96骤降至18.23。这说明特征鲁棒性是整个框架的基石——如果底层特征不够好，后面的时序依赖建模再精巧也发挥不出效果。消融实验结果如下所示：

Table 1 UNLV-Diving数据集

  在UNLV-Diving测试中，用真实时序边界替换无监督分割边界后，SRC仅从0.9651微升至0.9663（UNLV-Diving），几乎可以忽略。这意味着无监督分割虽然不完美，但框架自身具备足够的容错能力。

Table 2FineDiving数据集

对于UNLV-Diving的全部70个测试视频的评分结果散点图如下所示：

图7 UNLV-Diving测试结果图

2.2 作者得出的关键结论

1.鲁棒特征表示和显式时序依赖建模是AQA精度提升的两个关键因素，缺一不可。

2.无监督时序分割虽然存在边界偏差，但结合自监督特征增强和渐进伪子分数学习，框架可以有效吸收这些误差。

3. 生成的伪子分数与专家评判标准高度一致，尤其是对”入水”这种决定性阶段的评分敏感性最高，与FINA（国际泳联）裁判规则中入水权重最大的现实相吻合。

2.3 研究的创新点与贡献

1.自监督特征增强模块

通过帧遮蔽策略训练模型对时间不连续性的容忍度，这是AQA领域首次将Masked Modeling思想引入子动作级别的特征增强。不同于S4AQA等在视频片段级别做掩码恢复的方法，本文在子动作内部做连续帧遮蔽，更贴合AQA对细微动作差异敏感的需求。

2.渐进伪子分数学习

区分了短期因果依赖（仅前一子动作影响当前）和长期累积依赖（所有前序子动作共同影响当前），并验证了长期依赖建模的优越性。此前的PSL方法把伪子分数当作独立变量处理，而本文则将时序因果关系显式嵌入特征增强过程。

3.无监督分割的实用性验证

首次在AQA框架中系统地证明了：用无监督分割替代监督分割，性能损失可以忽略（SRC差异<0.002），同时大幅降低了标注需求和计算开销。这对实际应用有直接的价值——新场景下无需额外标注时序边界。

三、论文使用了什么研究方法和数据？

3.1 研究设计与实验设置

整个实验设计围绕两个核心问题展开：

1.模块贡献度

在消融实验中每个模块单独加入时能带来多少提升？

2.整体竞争力

在对比实验中与已有方法相比，完整框架的表现如何？

实验设计比较规范：每次实验运行10次取平均值以保证可复现性。学习率、正则化强度等超参数在两个数据集上保持一致，降低了调参偏向的风险。

训练流程分三步走：先训练伪子分数计算模块，再训练渐进特征增强模块，最后训练不依赖整体标签的最终回归模块。每一步都以上一步的输出为输入，形成级联式训练。

3.2 数据收集方法与数据集特点

1.UNLV-Diving数据集

来源于2012伦敦奥运会男子10米跳台半决赛和决赛视频（YouTube采集），含有370段视频，训练集300段，测试集70段。其中视频时长约4秒，分辨率320×240。标注内容含有总分、难度系数、时序分割标签（5个子动作），但没有子动作级别的评分标签。

2.FineDiving数据集

来源于30场国际赛事（奥运会、世界杯、世锦赛等），在YouTube中采集。其规模含有3000段视频，训练集2251段，测试集749段，每段视频时长平均4.2秒。数据集中的标注内容包含52种动作类型、29种子动作类型、23种难度等级，以及时序语义结构。但同样没有子动作级别的评分标签。

两个数据集的共同特点是：它们是目前AQA领域中极少数提供时序分割标注的数据集，但都不提供子动作评分——这正好是本文要解决的痛点。

四、论文的局限性、未来方向及潜在影响是什么？

4.1 研究的不足与限制因素

1.领域局限

所有实验只在跳水数据集上进行。跳水动作时间短（约4秒）、阶段分明、子动作数量固定，这算是AQA中相对”规整”的场景。对于时长更长、结构更灵活的动作（比如体操自由操、花样滑冰），框架的适用性尚未验证。

2.早期子分数区分度不足

作者自己承认，前几个子动作（跳水的”准备””起跳””空中”）的伪子分数分布较窄、区分度不够，而后面的”入水””结束”阶段分数分布很宽。这说明模型在捕捉快速姿态变化阶段的细微差异上仍有困难。

3.数据偏斜问题

专业赛事数据集中高分样本占主导，导致模型对低分样本的预测偏差较虽然本文比PSL有显著改善，但低分端预测的可靠性仍不够理想。

4.伪子分数缺乏直接验证

由于没有真实子分数标签，论文只能通过定性分析（与视觉证据的对应关系）和间接验证（分层分布分析）来论证伪子分数的合理性。这种验证方式有说服力，但终究不如直接用真实子分数标签做定量评估来得严格。

5.整体评分标签的依赖

框架在训练阶段仍需要整体评分标签作为监督信号和特征输入。如果某个应用场景连整体评分都难以获取，框架就无法直接使用。

4.2 作者提出的未来研究方向

1.构建包含真实子动作评分标签的新数据集，以便对伪子分数进行直接的定量评估。

2.将框架扩展到更长的动作序列，如双人同步跳水、复杂体操套路，验证渐进式长期依赖建模在更复杂场景下的效果。

3.在更多元的动作类型上进行验证，包括持续时间更长的连续动作。

4.3 该研究对学术界和行业可能产生的影响

1. 对于学术界

（1）为AQA领域提供了一个新的范式——不需要精细标注也能实现细粒度评估，这降低了后续研究的数据门槛

（2）自监督特征增强+渐进式依赖建模的组合策略，可以迁移到其他需要时序细粒度分析的任务，比如手术技能评估、手势识别中的阶段划分等。

（3）论文中关于无监督分割容错性的分析（SRC差异<0.002），为后续研究选择分割策略提供了实证依据。

2.对于行业

（1）在体育训练场景中，教练可以直接从模型输出中看到运动员在每个子阶段的表现，快速定位薄弱环节。

（2）在医疗康复领域，框架可以用于评估患者完成康复动作的质量，给出分阶段的反馈，而不需要额外标注。

（3）轻量的参数量（14.4M）和较低的推理延迟（0.027秒/视频）使其具备部署到边缘设备的可能性。

框架的设计原则是领域无关的——所有模块都不依赖跳水特有的启发式规则（比如水花检测或姿态模板匹配），而是基于通用的时空运动表示。理论上，任何具有”可分解为有序子阶段”特征的动作，都可以适用。

五、总结

通过对本文章的研读，学习到了在特殊场景下不需要精细标注也能实现细粒度评估。从个人所了解的文献中，因现有数据集的限制，AQA工作内容主要研究工作集中于跳水视频上进行实验，但对其余体操等连续运动中的表现也不能得知。对于个人研究中，可以利用这个范式进行深度挖掘，在数据集的受限条件下，结合目标研究的特殊的场景看是否能有创新发现。

---

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：玄枢战队-Arcane Hub Shuo Shuo《论文研读与思考 | 拒绝“黑盒评估”：当AI学会拆解动作，运动训练将迎来哪些改变？》