본 논문은 최근 관심이 높아지고 있는 동작 품질 평가 (AQA) 분야에서, 특히 해석 가능성과 신뢰성이 부족한 기존 방법의 한계를 극복하고자 한다. 이를 위해 공중 스키 종목에 대한 세분화된 하위 점수 및 공제 항목 주석을 포함하는 최초의 AQA 데이터 세트를 구축하고, 이를 새로운 벤치마크로 공개한다. 또한, 전문 심판의 채점 방식을 시뮬레이션하여 성능과 신뢰성을 향상시키는 새로운 AQA 방법인 JudgeMind를 제안한다. JudgeMind는 입력 동작 비디오를 여러 단계로 분할하고 각 단계를 채점하며, 단계별 특징 향상 및 융합 모듈을 통해 특정 단계의 주요 영역에 대한 인식을 높이고 카메라 시점 변화에 대한 견고성을 향상시킨다. 또한, 지식 기반의 등급 인식 디코더를 사용하여 가능한 공제 항목을 사전 지식으로 통합하여 보다 정확하고 신뢰할 수 있는 점수를 예측한다. 실험 결과는 제안된 방법이 최첨단 성능을 달성함을 보여준다.
