FSBench: A Figure Skating Benchmark for Advancing Artistic Sports Understanding
作者: Rong Gao, Xin Liu, Zhuozhao Hu, Bohao Xing, Baiqiang Xia, Zitong Yu, Heikki Kälviäinen
分类: cs.CV
发布日期: 2025-04-28
💡 一句话要点
提出FSBench花样滑冰基准数据集，促进艺术体育理解
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 花样滑冰 数据集 基准测试 艺术体育理解 多模态学习
📋 核心要点
- 现有花样滑冰数据集缺乏对技术和艺术性的综合标注，限制了对这项运动的深入理解。
- 论文构建了FSAnno数据集和FSBench基准，包含文本和多模态数据，用于评估模型对花样滑冰的理解能力。
- 初步实验表明，现有模型在理解花样滑冰的艺术性和技术性方面存在明显不足，为未来研究提供了方向。
📝 摘要（中文）
花样滑冰作为一项融合技术动作和艺术表达的运动，其理解具有挑战性。现有花样滑冰数据集主要关注单一任务，缺乏对技术和艺术评估的全面标注。当前体育研究主要集中在球类运动，与花样滑冰等艺术体育的相关性有限。为了解决这些问题，我们引入了FSAnno，一个大规模数据集，旨在通过花样滑冰促进对艺术体育的理解。FSAnno包含一个开放访问的训练和测试数据集，以及一个用于公平模型评估的基准数据集FSBench。FSBench由FSBench-Text（包含多项选择题和解释）和FSBench-Motion（包含多模态数据和问答对）组成，支持从技术分析到表演评论等任务。在FSBench上的初步测试表明，现有模型在理解艺术体育方面存在显著局限性。我们希望FSBench将成为评估和提高模型对花样滑冰理解的关键工具。
🔬 方法详解
问题定义：现有花样滑冰数据集主要关注动作识别或评分等单一任务，缺乏对技术动作和艺术表现的综合标注，难以支持对花样滑冰运动的全面理解。此外，现有的体育研究主要集中在球类运动，其方法和模型难以直接应用于花样滑冰等艺术体育。
核心思路：论文的核心思路是构建一个包含丰富标注的大规模花样滑冰数据集和基准测试，涵盖技术动作、艺术表现、多模态数据和问答对，从而促进对花样滑冰运动的深入理解和模型能力的提升。通过提供全面的数据和评估标准，鼓励研究者开发更有效的模型来理解和分析花样滑冰。
技术框架：论文构建了FSAnno数据集，并在此基础上提出了FSBench基准测试。FSBench包含两个部分：FSBench-Text和FSBench-Motion。FSBench-Text包含多项选择题和解释，用于评估模型对花样滑冰规则和知识的理解。FSBench-Motion包含多模态数据（视频、音频、姿态等）和问答对，用于评估模型对花样滑冰技术动作和艺术表现的理解。
关键创新：论文的关键创新在于构建了一个专门针对花样滑冰的综合性数据集和基准测试，涵盖了技术动作、艺术表现、多模态数据和问答对，为艺术体育理解领域的研究提供了新的资源和评估标准。与现有数据集相比，FSAnno和FSBench更加全面和细致，能够更有效地评估模型对花样滑冰的理解能力。
关键设计：FSBench-Text中的多项选择题和解释的设计旨在评估模型对花样滑冰规则和知识的理解程度。FSBench-Motion中的问答对的设计旨在评估模型对花样滑冰技术动作和艺术表现的理解程度。具体的技术细节，例如数据采集、标注方法、问题设计等，论文中可能未详细描述，属于未知信息。
🖼️ 关键图片
📊 实验亮点
论文在FSBench上对现有模型进行了初步测试，结果表明现有模型在理解花样滑冰的技术动作和艺术表现方面存在显著局限性。这一发现突显了FSBench的价值，并为未来研究指明了方向，即需要开发更有效的模型来理解和分析艺术体育。
🎯 应用场景
该研究成果可应用于花样滑冰教学、训练辅助、赛事分析和自动评分等方面。通过训练模型理解花样滑冰的技术动作和艺术表现，可以为运动员提供更个性化的训练建议，帮助裁判进行更客观的评分，并为观众提供更深入的赛事解说。此外，该研究也为其他艺术体育项目的理解和分析提供了借鉴。
📄 摘要（原文）
Figure skating, known as the "Art on Ice," is among the most artistic sports, challenging to understand due to its blend of technical elements (like jumps and spins) and overall artistic expression. Existing figure skating datasets mainly focus on single tasks, such as action recognition or scoring, lacking comprehensive annotations for both technical and artistic evaluation. Current sports research is largely centered on ball games, with limited relevance to artistic sports like figure skating. To address this, we introduce FSAnno, a large-scale dataset advancing artistic sports understanding through figure skating. FSAnno includes an open-access training and test dataset, alongside a benchmark dataset, FSBench, for fair model evaluation. FSBench consists of FSBench-Text, with multiple-choice questions and explanations, and FSBench-Motion, containing multimodal data and Question and Answer (QA) pairs, supporting tasks from technical analysis to performance commentary. Initial tests on FSBench reveal significant limitations in existing models' understanding of artistic sports. We hope FSBench will become a key tool for evaluating and enhancing model comprehension of figure skating.