Appearance-Invariant Detection of Suggestive Motion via Laban Movement Descriptors
作者: Jaehoon Ahn, Jeonghan Kong, Moon-Ryul Jung
分类: cs.CV, cs.GR
发布日期: 2026-06-12
💡 一句话要点
提出基于Laban运动描述符的运动检测方法以解决内容审核问题
🎯 匹配领域: 支柱六：视频提取与匹配 (Video Extraction)
关键词: 运动检测 内容审核 Laban运动分析 虚拟环境 机器学习 特征提取 分类模型
📋 核心要点
- 现有的内容审核方法主要集中在图像和音频上，导致对暗示性动作的检测存在盲点。
- 本文提出了一种基于Laban运动分析的运动分类管道，能够有效检测暗示性和明确性动作。
- 在实验中，基于LMA描述符的逻辑回归模型达到了68%的SFW/NSFW准确率，显示出良好的性能。
📝 摘要（中文）
随着在线多人3D虚拟环境中的内容审核日益自动化，现有检测方法主要集中在图像、视频和音频上，而对暗示性动作的检测仍然是盲点。本文提出了一种仅基于运动的分类管道，通过SMPL骨架轨迹使用Laban运动分析（LMA）描述符来检测暗示性和明确性动作。在涵盖日常、艺术、暗示性和明确性动作的17小时视频数据集上，基于61个LMA特征的逻辑回归模型在无泄漏评估协议下达到了68%的二分类SFW/NSFW准确率（随机森林模型为70%）。该描述符的性能与在相同运动上训练的无外观视频模型相当，显示出Laban的空间因子的直接性与间接性极性为从功能性到暗示性动作的转变提供了可解释的标记。最终，基于Laban的运动描述符提供了一种轻量且可解释的暗示性动作检测方法。
🔬 方法详解
问题定义：本文旨在解决在线虚拟环境中对暗示性动作的检测问题，现有方法未能有效识别此类动作，导致内容审核的盲点。
核心思路：通过Laban运动分析（LMA）描述符，利用SMPL骨架轨迹进行运动分类，提供了一种仅基于运动的检测方法，避免了外观数据的依赖。
技术框架：整体架构包括数据预处理、特征提取、模型训练和评估四个主要模块。首先提取SMPL骨架轨迹，然后计算LMA描述符，最后使用逻辑回归和随机森林模型进行分类。
关键创新：最重要的创新在于使用Laban运动描述符进行运动检测，提供了一种可解释的特征表示，使得每个分类决策都可以追溯到理论基础的特征。
关键设计：使用61个LMA特征进行模型训练，逻辑回归和随机森林模型的选择使得在无泄漏评估下能够达到较高的准确率，且模型设计上避免了对外观数据的依赖。
🖼️ 关键图片
📊 实验亮点
实验结果显示，基于LMA描述符的逻辑回归模型在无泄漏评估协议下达到了68%的SFW/NSFW准确率，而随机森林模型的准确率更高，达到了70%。该方法的性能与使用无外观视频训练的模型相当，展示了其有效性。
🎯 应用场景
该研究的潜在应用领域包括在线游戏、社交虚拟现实和其他3D虚拟环境中的内容审核。通过直接在虚拟环境中的角色姿态上运行审核，能够提高审核效率，减少对用户隐私的侵犯，具有重要的实际价值和未来影响。
📄 摘要（原文）
Content moderation in online multiplayer 3D virtual environments is increasingly automated, yet detection has focused on images, video, and audio, leaving suggestive motion a blind spot. We present a motion-only classification pipeline that detects suggestive and explicit movement from SMPL skeleton trajectories using Laban Movement Analysis (LMA) descriptors. On a dataset spanning everyday, artistic, suggestive, and explicit movement (17+ hours of video), a logistic regression trained on 61-feature LMA descriptors reaches 68% binary SFW/NSFW accuracy (70% random forest) under a leak-free evaluation protocol. At this level, our descriptor performs comparably to a learned video model trained on the same motion re-rendered as appearance-free video, a gray figure with no clothing, skin, or scene. The indirectness (tortuosity) of each joint's trajectory, measured as the ratio of the joint's path length to its net displacement, peaks at the suggestive tier, showing that the Direct-to-Indirect polarity of Laban's Space factor provides an interpretable marker of the shift from functional to suggestive motion. Ultimately, Laban-based kinematic descriptors offer a lightweight, interpretable approach to suggestive-motion detection: every decision decomposes into named, theory-grounded features. Because the classifier operates on pose trajectories alone, moderation can run directly on avatar poses in virtual environments, with no appearance data.