论文
CricRAG：用于个性化板球教练的检索增强视觉语言模型
CricRAG: Retrieval Augmented Vision-Language Models for Personalized Cricket Coaching
摘要
视觉语言模型（VLM）为自动化运动教练提供了有希望的功能，但面临着一个根本的限制：它们隐式地与专业标准进行比较，使得它们的反馈对于培养运动员来说不切实际。我们推出了 CricRAG，这是一个检索增强框架，可将 VLM 与适合技能的个性化板球教练基准保持一致。我们的主要见解是，通过检索类似但更好的技术作为参考点，我们可以指导 VLM 提供反映人类教练实践的适合发展的反馈。我们贡献了：(1) 涵盖多个技能级别的 288 个板球技术视频的标记数据集，(2) 使用对比学习的高效运动检索管道，可实现 78% 的前 3 检索准确率，(3) 降低推理成本的帧采样技术，以及 (4) 检索增强方法，可显着改善反馈与指导原则的一致性，与专业评估的一致性高达 94%，而没有检索上下文的一致性为 67%。