論文の概要: SoccerNet-v2: A Dataset and Benchmarks for Holistic Understanding of
Broadcast Soccer Videos
- arxiv url: http://arxiv.org/abs/2011.13367v3
- Date: Mon, 19 Apr 2021 15:03:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 09:03:33.905329
- Title: SoccerNet-v2: A Dataset and Benchmarks for Holistic Understanding of
Broadcast Soccer Videos
- Title（参考訳）: soccernet-v2: 放送サッカービデオの総合的理解のためのデータセットとベンチマーク
- Authors: Adrien Deli\`ege, Anthony Cioppa, Silvio Giancola, Meisam J.
Seikavandi, Jacob V. Dueholm, Kamal Nasrollahi, Bernard Ghanem, Thomas B.
Moeslund, Marc Van Droogenbroeck
- Abstract要約: SoccerNet-v2 は SoccerNet ビデオデータセット用の手動アノテーションの大規模なコーパスである。
SoccerNetの500の未トリミングサッカービデオの中で、約300万のアノテーションをリリースしています。
サッカーの領域における現在のタスクを拡張し、アクションスポッティング、カメラショットセグメンテーション、境界検出を含む。
- 参考スコア（独自算出の注目度）: 71.72665910128975
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding broadcast videos is a challenging task in computer vision, as
it requires generic reasoning capabilities to appreciate the content offered by
the video editing. In this work, we propose SoccerNet-v2, a novel large-scale
corpus of manual annotations for the SoccerNet video dataset, along with open
challenges to encourage more research in soccer understanding and broadcast
production. Specifically, we release around 300k annotations within SoccerNet's
500 untrimmed broadcast soccer videos. We extend current tasks in the realm of
soccer to include action spotting, camera shot segmentation with boundary
detection, and we define a novel replay grounding task. For each task, we
provide and discuss benchmark results, reproducible with our open-source
adapted implementations of the most relevant works in the field. SoccerNet-v2
is presented to the broader research community to help push computer vision
closer to automatic solutions for more general video understanding and
production purposes.
- Abstract（参考訳）: 放送ビデオを理解することはコンピュータビジョンにおいて難しい課題であり、ビデオ編集によって提供されるコンテンツを理解するために一般的な推論能力を必要とする。
本研究では,サッカー理解と放送制作のさらなる研究を促進するためのオープンな課題とともに,サッカーネットビデオデータセットのための手動アノテーションの大規模コーパスである SoccerNet-v2 を提案する。
具体的には、約300万のアノテーションを soccernet's 500 untrimmed soccer videos 内にリリースします。
我々はサッカーの領域における現在のタスクを拡張し、アクションスポッティング、境界検出によるカメラショットセグメンテーション、新しいリプレイグラウンドタスクを定義した。
各タスクに対して、この分野で最も関係のある作品のオープンソース適応実装と再現可能なベンチマーク結果を提供し、議論する。
soccernet-v2はより広い研究コミュニティに提示され、コンピュータビジョンをより一般的なビデオ理解と生産目的のための自動ソリューションに近づける助けとなる。
関連論文リスト
- Deep learning for action spotting in association football videos [64.10841325879996]
SoccerNetイニシアチブは毎年の課題を組織し、世界中の参加者が最先端のパフォーマンスを達成するために競う。
本稿では,スポーツにおけるアクションスポッティングの歴史を,2018年の課題の創出から,現在の研究・スポーツ産業における役割まで遡る。
論文 参考訳（メタデータ） (2024-10-02T07:56:15Z) - SoccerNet 2024 Challenges Results [152.8534707514927]
SoccerNet 2024の課題は、サッカーネットチームが主催する4年目のビデオ理解の課題を表している。
この課題は、サッカーにおける複数のテーマにまたがる研究を進めることを目的としており、放送ビデオ理解、フィールド理解、プレイヤー理解などが含まれる。
今年は、4つのビジョンベースのタスクが課題となっている。
論文 参考訳（メタデータ） (2024-09-16T14:12:22Z) - SoccerNet-Echoes: A Soccer Game Audio Commentary Dataset [46.60191376520379]
本稿では,サッカーゲーム放送からの音声コメントの自動書き起こしによる,サッカーネットデータセットの拡張であるFocoNet-Echoesについて述べる。
視覚的および聴覚的コンテンツとともにテキストデータを組み込むことで、サッカーゲームのダイナミクスを捉えるアルゴリズムを開発するための総合的なリソースとなることを目的としている。
論文 参考訳（メタデータ） (2024-05-12T18:25:38Z) - SoccerNet 2023 Challenges Results [165.5977813812761]
SoccerNet 2023 チャレンジ(英語: SoccerNet 2023 Challenge)は、サッカーネットチームが主催する3回目のビデオ理解チャレンジである。
この第3版では、課題は7つの視覚に基づくタスクから成っており、3つのテーマに分けられた。
論文 参考訳（メタデータ） (2023-09-12T07:03:30Z) - A Multi-stage deep architecture for summary generation of soccer videos [11.41978608521222]
本稿では,音声メタデータとイベントメタデータの両方を利用して,サッカーの試合の要約を生成する手法を提案する。
その結果,提案手法は一致の動作を検出し,どの動作が要約に属するべきかを識別し,複数の候補要約を提案する。
論文 参考訳（メタデータ） (2022-05-02T07:26:35Z) - SoccerNet-Tracking: Multiple Object Tracking Dataset and Benchmark in
Soccer Videos [62.686484228479095]
本稿では,各30の200列からなる複数物体追跡のための新しいデータセットを提案する。
データセットは、バウンディングボックスとトラックレットIDで完全に注釈付けされている。
分析の結果,サッカービデオにおける複数の選手,審判,ボール追跡が解決されるには程遠いことがわかった。
論文 参考訳（メタデータ） (2022-04-14T12:22:12Z) - Feature Combination Meets Attention: Baidu Soccer Embeddings and
Transformer based Temporal Detection [3.7709686875144337]
本稿では,サッカー中継ビデオにおけるイベントの発生状況と発生状況を検出するための2段階のパラダイムを提案する。
具体的には,サッカーデータ上に複数のアクション認識モデルを微調整し,ハイレベルなセマンティックな特徴を抽出する。
このアプローチは、サッカーネットv2チャレンジにおける2つのタスク、すなわちアクションスポッティングとリプレイグラウンドにおいて、最先端のパフォーマンスを達成した。
論文 参考訳（メタデータ） (2021-06-28T08:00:21Z) - Camera Calibration and Player Localization in SoccerNet-v2 and
Investigation of their Representations for Action Spotting [61.92132798351982]
大規模サッカーネットデータセット上で,最近のニューラルネットワークアーキテクチャにおいて,強力な商用キャリブレーションツールを蒸留する。
そこで我々は,キャリブレーション結果とプレイヤーのローカライゼーションの3つの方法を提案する。
soccernet-v2のアクションスポッティングタスクに、現在のベストアーキテクチャ内でこれらの表現を利用する。
論文 参考訳（メタデータ） (2021-04-19T14:21:05Z)
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。