PATS：用于多视图运动技能评估的熟练度感知时间采样

自动化体育技能评估需要捕捉区分专家和新手表现的基本运动模式，但当前的视频采样方法会破坏熟练度评估所必需的时间连续性。为此，我们引入了熟练度感知时间采样（PATS），一种新颖的采样策略，可在连续时间片段内保留完整的基本动作，以进行多视图技能评估。PATS 自适应地分割视频，以确保每个分析部分都包含关键性能组件的完整执行，并在多个片段中重复此过程，以最大限度地提高信息覆盖率，同时保持时间连贯性。在 EgoExo4D 基准上使用 SkillFormer 进行评估，PATS 在所有观看配置中均超越了最先进的准确性（+0.65% 到 +3.05%），并在挑战性领域取得了显著进步（攀岩 +26.22%，音乐 +2.39%，篮球 +1.13%）。系统分析表明，PATS 成功适应了不同的活动特征——从动态运动的高频采样到顺序技能的细粒度分割——证明了其作为一种自适应时间采样方法在推进真实世界自动化技能评估方面的有效性。