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

要約

アニメーションデータは、光学マーカーの位置を確立するために多数のカメラを利用する光学モーションキャプチャシステムを通じて取得されることがよくあります。
ただし、システムエラーや閉塞により、マーカーが欠落している可能性があり、その手動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マーカー再構成を欠いているための機械学習ベースのソリューションに関心が寄せられています。
ほとんどのアカデミックペーパーは、メインメトリックとして単純化された平均平方根誤差を利用しています。
この論文では、このメトリックが充填品質の主観的な認識と相関していないことを示します。
さらに、フィールドで進行を促進できる、より相関するメトリックのセットを導入して評価します。

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. Additionally, 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