探测特定身份的运动特征：一项受控诊断研究

身份识别（例如，人、动物重新识别）传统上严重依赖静态外观线索。然而，运动——一致的、个体特定的动态——可以提供补充且可能更强大的特征，特别是当外观较弱或变化时。这就提出了一个基本问题：当特定身份的运动线索清晰存在时，现代视频模型在多大程度上使用它们进行识别？为了研究这个问题，我们进行了系统的诊断研究，并引入了 BALLER120，这是一个对 1​​20 名职业篮球运动员进行罚球的受控基准。通过关注个体之间相同的多阶段动作，BALLER120 减少了动作水平变化和与身份相关的获取偏差，从而能够对特定身份的运动模式进行细粒度分析。我们发现现代视频模型可以从 RGB 视频中准确预测身份，但通常依赖于静态外观线索，例如面部和球衣区域，即使有信息丰富的运动线索可用。引人注目的是，当通过仅轮廓或仅骨架输入抑制外观时，相同的模型架构会转向运动微模式（例如，脚的放置和肘部弯曲）。尽管包含较少的视觉信息，但外观抑制的表示实现了有竞争力的准确性和对外观变化的更强的鲁棒性。我们的定性分析进一步表明，外观抑制模型关注个体之间独特的运动模式。总体而言，我们的研究表明，特定于身份的运动特征是存在的、信息丰富且可学习的，但现代视频模型可能会忽略它们，而倾向于更简单的静态快捷方式，除非明显抑制外观线索。