論文の概要: Always Look on the Bright Side of the Field: Merging Pose and Contextual
Data to Estimate Orientation of Soccer Players
- arxiv url: http://arxiv.org/abs/2003.00943v2
- Date: Mon, 18 May 2020 15:32:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-27 05:34:17.732878
- Title: Always Look on the Bright Side of the Field: Merging Pose and Contextual
Data to Estimate Orientation of Soccer Players
- Title（参考訳）: フィールドの明るい面に常に目を向ける: サッカー選手のオリエンテーション推定のためのポーズとコンテキストデータの統合
- Authors: Adri\`a Arbu\'es-Sang\"uesa, Adri\'an Mart\'in, Javier Fern\'andez,
Carlos Rodr\'iguez, Gloria Haro, Coloma Ballester
- Abstract要約: 本研究は,モノクロビデオ記録からプレイヤーの向きを求める新しい手法を提案する。
オリエンテーションデータの可視化と理解を容易にするために,3種類のオリエンテーションマップが提案されている。
- 参考スコア（独自算出の注目度）: 6.800059652431344
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Although orientation has proven to be a key skill of soccer players in order
to succeed in a broad spectrum of plays, body orientation is a
yet-little-explored area in sports analytics' research. Despite being an
inherently ambiguous concept, player orientation can be defined as the
projection (2D) of the normal vector placed in the center of the upper-torso of
players (3D). This research presents a novel technique to obtain player
orientation from monocular video recordings by mapping pose parts (shoulders
and hips) in a 2D field by combining OpenPose with a super-resolution network,
and merging the obtained estimation with contextual information (ball
position). Results have been validated with players-held EPTS devices,
obtaining a median error of 27 degrees/player. Moreover, three novel types of
orientation maps are proposed in order to make raw orientation data easy to
visualize and understand, thus allowing further analysis at team- or
player-level.
- Abstract（参考訳）: オリエンテーションは広い範囲のプレーに成功するためにサッカー選手にとって重要なスキルであることが証明されているが、ボディオリエンテーションはスポーツアナリティクスの研究においてまだほとんど研究されていない分野である。
本質的に曖昧な概念であるにもかかわらず、プレイヤーのアッパートルソ(3D)の中心に位置する通常のベクトルの射影(2D)として定義することができる。
本研究は,OpenPoseと超高解像度ネットワークを組み合わせた2次元フィールドでポーズ部品(ショルダーとヒップ)をマッピングし,得られた推定値を文脈情報(ボール位置)と組み合わせることで,モノクロビデオ記録からプレイヤーの向きを求める手法を提案する。
プレイヤーが保持するEPTSデバイスで結果が検証され、中央値は27°/playerである。
さらに,3種類のオリエンテーションマップが提案され,データの可視化と理解が容易になり,チームレベルでのさらなる分析が可能となった。
関連論文リスト
- Multi Player Tracking in Ice Hockey with Homographic Projections [13.320838012645444]
アイスホッケーにおけるマルチオブジェクト追跡(MOT)は、選手の身元を維持するために、特定のシーケンスにまたがるプレイヤーのローカライズとアソシエイトという複合的なタスクを追求する。
ホモグラフィーを応用した二部グラフマッチング問題としてMOTを定式化した新しい追跡手法を提案する。
我々は,足のキーポイントをオーバヘッドリンクテンプレートにマッピングし,これらの投影された位置をグラフネットワークにエンコードすることで,放送ビューにおけるOccludedとOverlappingのプレイヤーの位置表現を解き放つ。
論文 参考訳（メタデータ） (2024-05-22T07:14:55Z) - SoccerNet Game State Reconstruction: End-to-End Athlete Tracking and Identification on a Minimap [102.5232204867158]
我々は、ゲーム状態再構成のタスクを形式化し、フットボールビデオに焦点を当てた新しいゲーム状態再構成データセットである、サッカーネット-GSRを紹介する。
SoccerNet-GSRは、ピッチローカライゼーションとカメラキャリブレーションのための937万行のアノテートにより、30秒間の200の動画シーケンスで構成されている。
我々の実験は、GSRは挑戦的な新しい課題であり、将来の研究の場を開くことを示している。
論文 参考訳（メタデータ） (2024-04-17T12:53:45Z) - Estimation of control area in badminton doubles with pose information
from top and back view drone videos [11.679451300997016]
我々はバドミントンダブルスでトップとバックビューから最初の注釈付きドローンデータセットを提示する。
チームワークのパフォーマンスを評価するために,制御領域の確率マップを推定するフレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-07T11:18:39Z) - Unleash the Potential of Image Branch for Cross-modal 3D Object
Detection [67.94357336206136]
画像分岐のポテンシャルを2つの側面から解き放つことを目的として,新しい3Dオブジェクト検出器UPIDetを提案する。
まず、UPIDetは正規化された局所座標写像推定と呼ばれる新しい2次元補助タスクを導入する。
第2に,イメージブランチのトレーニング目標から逆転する勾配によって,ポイントクラウドバックボーンの表現能力を向上できることを見出した。
論文 参考訳（メタデータ） (2023-01-22T08:26:58Z) - DeepSportradar-v1: Computer Vision Dataset for Sports Understanding with
High Quality Annotations [3.000319651350124]
本稿では,自動スポーツ理解のためのコンピュータビジョンタスク,データセット,ベンチマークスイートであるDeepSportradar-v1を紹介する。
このフレームワークの主な目的は、学術研究と現実世界の設定のギャップを埋めることである。
論文 参考訳（メタデータ） (2022-08-17T09:55:02Z) - MonoDETR: Depth-guided Transformer for Monocular 3D Object Detection [61.89277940084792]
深度誘導型TRansformer(MonoDETR)を用いたモノクロ検出のための最初のDETRフレームワークについて紹介する。
我々は3Dオブジェクト候補を学習可能なクエリとして定式化し、オブジェクトとシーンの深度相互作用を行うための深度誘導デコーダを提案する。
モノクルイメージを入力としてKITTIベンチマークでは、MonoDETRは最先端のパフォーマンスを実現し、追加の深度アノテーションを必要としない。
論文 参考訳（メタデータ） (2022-03-24T19:28:54Z) - Back to Reality: Weakly-supervised 3D Object Detection with Shape-guided
Label Enhancement [93.77156425817178]
本研究では,3次元物体検出のための弱教師付きアプローチを提案する。
我々の手法、すなわちBack to Reality (BR)は、弱いラベルを完全な注釈付き仮想シーンに変換するために合成された3D形状を利用する。
ラベル付け作業の5%未満で、広く使用されているScanNetデータセットに対して、一般的なフル教師付きアプローチを用いて、同等な検出性能を達成する。
論文 参考訳（メタデータ） (2022-03-10T08:51:32Z) - Learning Football Body-Orientation as a Matter of Classification [7.4022258821325115]
本稿では,ビデオ映像から直接向きを推定するための最初のディープラーニングモデルを提案する。
このモデルは、ウェアラブルEPTSデバイスから得られた地中構造データを用いて訓練される。
絶対的な中央値誤差はプレイヤー1人当たり12度未満である。
論文 参考訳（メタデータ） (2021-06-01T10:12:32Z) - M3DSSD: Monocular 3D Single Stage Object Detector [82.25793227026443]
特徴アライメントと非対称非局所的注意を有するモノクロ3次元単段物体検出器(M3DSSD)を提案する。
提案したM3DSSDは,KITTIデータセット上のモノラルな3Dオブジェクト検出手法よりも大幅に性能が向上する。
論文 参考訳（メタデータ） (2021-03-24T13:09:11Z) - Cross-Modality 3D Object Detection [63.29935886648709]
本稿では,3次元物体検出のための新しい2段階多モード融合ネットワークを提案する。
アーキテクチャ全体が2段階の融合を促進する。
KITTIデータセットを用いた実験により,提案したマルチステージ融合により,ネットワークがより良い表現を学習できることが示唆された。
論文 参考訳（メタデータ） (2020-08-16T11:01:20Z) - Using Player's Body-Orientation to Model Pass Feasibility in Soccer [7.205450793637325]
本稿では,サッカーの試合のモノラルな映像から,任意の時間に最も実現可能なパスを推定する計算モデルを提案する。
この方法は、攻撃的な選手の方向(および位置)と相手の空間構成を利用して、同じチームの選手内でのパスイベントの実現可能性を計算する。
その結果、配向を実現可能性尺度として含めることで、ロバストな計算モデルを構築することができ、0.7 Top-3の精度に達することが示されている。
論文 参考訳（メタデータ） (2020-04-15T17:09:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。