Evaluating the evaluators: Towards human-aligned metrics for missing markers reconstruction

要約

アニメーション データは多くの場合、光学式モーション キャプチャ システムを通じて取得されます。このシステムでは、多数のカメラを利用して光学式マーカーの位置を確立します。
ただし、システムエラーや閉塞によりマーカーが失われる可能性があり、手動でのクリーニングには時間がかかる場合があります。
これにより、学術コミュニティで欠落マーカーを再構築するための機械学習ベースのソリューションへの関心が高まりました。
ほとんどの学術論文は、単純化した平均二乗誤差を主な指標として利用しています。
この論文では、この指標が塗りつぶし品質の主観的な認識と相関しないことを示します。
私たちは、この分野の進歩を促進できる、より相関の高い一連の指標を導入し、評価します。

要約(オリジナル)

Animation data is often obtained through optical motion capture systems, which utilize a multitude of cameras to establish the position of optical markers. However, system errors or occlusions can result in missing markers, the manual cleaning of which can be time-consuming. This has sparked interest in machine learning-based solutions for missing marker reconstruction in the academic community. Most academic papers utilize a simplistic mean square error as the main metric. In this paper, we show that this metric does not correlate with subjective perception of the fill quality. We introduce and evaluate a set of better-correlated metrics that can drive progress in the field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google