计算机应用

作者：张四中, 刘建阳, 李林峰

单位：西南交通大学 机械工程学院，成都 610031

关键词：轨迹,注意力机制,引导感知学习,动作连贯性,动作质量评估

动作质量评估（AQA）作为一项极具挑战性的视觉任务吸引了众多研究者的目光。当前研究方法主要集中于提升骨干网络的特征提取能力，忽略了运动轨迹的影响。然而，在现实中，动作的连贯性也是评价动作执行情况的重要因素。首先，通过引入轨迹信息，设计一种轨迹引导感知学习的AQA模型，以利用轨迹描述符引导模型感知学习动作连贯性信息，从而实现不同信息之间的交互学习；其次，针对当前数据集缺乏轨迹标签的问题，设计一种基于Farneback光流法的无监督光流轨迹提取方法获取运动轨迹信息，并将获取的光流轨迹特征作为引导词来引导模型感知学习视频特征；最后，利用KAN（Kolmogorov-Arnold Network）的可学习样条曲线拟合混合特征的数据分布，从而建立更精确的映射关系。所提模型在MTL-AQA、AQA-7、FineDiving和JIGSAWS数据集上进行实验，以斯皮尔曼秩相关系数（Sp.Corr）作为评价指标。结果表明，所提模型分别取得了0.910 1、0.912 0、0.882 0和0.990 0的Sp.Corr，与USDL（Uncertainty-aware Score Distribution Learning）模型相比分别提升了0.4%、12.6%、6.2%和57.1%。

来源：2026年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第2期