본 논문은 프로 배드민턴 비디오의 세분화된 동작 감지에 초점을 맞춰 새로운 벤치마크 데이터셋 Fine-Badminton을 공개했어요. Fine-Badminton은 31경기, 29가지 세분화된 스트로크 카테고리를 포함하며 2104개의 랠리와 27597개의 동작이 주석 처리돼 있어요.
연구진은 복잡한 동작 패턴을 효과적으로 파악하기 위해 시공간 어댑터(DSTA)를 제안했는데, DSTA는 시공간 특징을 효율적으로 모델링하기 위해 세 개의 병렬 브랜치로 분해해 시간적 역학 및 수직/수평 공간 변화를 포착해요.
Fine-Badminton 데이터셋과 ShuttleSet 벤치마크에서 실험 결과, 제안된 방법은 계산 비용과 파라미터 증가를 최소화하면서 최첨단 성능을 달성해 세분화된 시간 동작 감지에 효과적임을 입증했어요.