دانشگاه اصفهان هوش محاسباتی در مهندسی برق 2821-0689 16 3 2025 09 23 A Framework for Video-Based Action Quality Assessment Using Sub-Score Learning and Temporal Dependencies چارچوبی برای ارزیابی کیفیت فعالیت در ویدئو مبتنی بر یادگیری زیرامتیازها و وابستگی‌های زمانی 99 120 30518 10.22108/isee.2026.145975.1751 FA مرجان مزروعی گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران احسان فضل ارثی گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران عابدین واحدیان گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران احد هراتی گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران Journal Article 2025 07 19 Action Quality Assessment (AQA) is an emerging research problem aimed at providing automated, objective evaluation systems with broad applications across various domains. Most existing methods only predict the overall quality score and, due to the lack of fine-grained labels in datasets, are unable to evaluate the sub-stages of an action or provide detailed feedback. In this research, a novel framework for multi-stage action quality assessment is designed, focusing on model interpretability and the modeling of intra-action temporal dependencies in competitive sports videos. Employing a weakly supervised learning approach, the proposed method first divides videos into semantic clips comprising sub-actions and extracts their features. Then, by introducing a sequential pseudo-subscore learning mechanism, it models the causal dependencies among different stages of the movement. Unlike previous methods that assume that sub-actions are independent, the present framework incorporates the physical continuity of the movement into feature representations by injecting information from the preceding stage into the current one. Ultimately, a multi-stage score regression model is employed to predict subscores and provide greater model granularity. Experimental results on the UNLV Diving dataset demonstrate the strong and competitive performance of this method, achieving a Spearman's rank correlation coefficient of 0.90. Furthermore, statistical and visual analyses demonstrate that the subscores generated by the model are highly consistent with the judging criteria of the International Swimming Federation (FINA), effectively reflecting crucial stages such as the "Entry" in the final assessment. ارزیابی کیفیت فعالیت یک مسئلۀ پژوهشی نوظهور با هدف ارائۀ سیستم‌های ارزیابی عینی خودکار است و کاربردهایی گسترده‌ در حوزه‌های مختلف دارد. بیشتر روش‌های موجود فقط امتیاز کلی کیفیت را پیش‌بینی می‌کنند و به دلیل فقدان برچسب‌های ریزدانه در مجموعه‌داده‌ها، قادر به ارزیابی مراحل فرعی فعالیت و ارائۀ بازخورد تفصیلی نیستند. در این پژوهش، یک چارچوب نوین برای ارزیابی چندمرحله‌ای کیفیت فعالیت با تمرکز بر تفسیرپذیری مدل و مدل‌سازی وابستگی‌های زمانی درونی فعالیت در ویدئوهای ورزشی رقابتی طراحی شده است. روش پیشنهادی با رویکرد یادگیری با نظارت ضعیف، ابتدا ویدئوها را به کلیپ‌های معنایی شامل زیرفعالیت‌ها تقسیم و ویژگی‌های آنها را استخراج می‌کند. سپس، با معرفی یک مکانیسم یادگیری شبه‌زیرامتیاز متوالی، وابستگی‌های علّی‌ومعلولی میان مراحل مختلف حرکت را مدل‌سازی می‌کند. برخلاف روش‌های پیشین که زیرفعالیت‌ها را مستقل فرض می‌کنند، چارچوب حاضر با تزریق اطلاعات مرحلۀ قبل به مرحلۀ فعلی، پیوستگی فیزیکی حرکت را در بازنمایی ویژگی‌ها لحاظ می‌کند. در نهایت، یک مدل رگرسیون امتیازی چندمرحله‌ای برای پیش‌بینی زیرامتیازها و ریزدانگی بیشتر مدل به کار گرفته می‌شود. نتایج آزمایش‌ها بر روی مجموعه‌دادۀ UNLV-Diving نشان‌دهندۀ عملکرد مطلوب و رقابتی این روش با دست‌یابی به ضریب همبستگی رتبۀ اسپیرمن 90/0 است. همچنین، تحلیل‌های آماری و بصری اثبات می‌کنند زیرامتیازهای تولیدشده توسط مدل انطباق زیادی با معیارهای داوری فدراسیون جهانی شنا (FINA) دارند و به طور مؤثر مراحل حیاتی مانند «ورود به آب» را در ارزیابی نهایی بازتاب می‌دهند. https://isee.ui.ac.ir/article_30518_35222010e3314579b1e659cad95f51e7.pdf