本研究提出了一种基于层次姿态引导的多阶段对比回归方法，以提高运动员动作质量评估的精度。通过引入FineDiving-Pose数据集，改善了姿态标签质量，实验证明该方法在多个数据集上表现优越，具有良好的应用潜力。

本研究探讨了行动质量评估（AQA）中的知识转移，提出了多项行为合并样本和多阶段对比回归（MCoRe）框架，显著提升了AQA性能。研究还利用计算机视觉和神经网络进行可解释的质量评估，尤其在潜水行动中表现优异。

近年来，视频行为质量评估（AQA）受到关注。为了解决现有方法忽视行为阶段特征的问题，提出了多阶段对比回归（MCoRe）框架，能够有效提取时空信息并降低计算成本。MCoRe在多个AQA数据集上表现优异，展示了先进的性能。此外，研究还探讨了知识转移和多任务学习对AQA的提升效果。