論文の概要: EventAnchor: Reducing Human Interactions in Event Annotation of Racket Sports Videos

• arxiv url: http://arxiv.org/abs/2101.04954v2
• Date: Thu, 14 Jan 2021 03:10:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-03 17:57:03.420214
• Title: EventAnchor: Reducing Human Interactions in Event Annotation of Racket Sports Videos
• Title（参考訳）: EventAnchor:ラケットスポーツビデオのイベントアノテーションにおけるヒューマンインタラクションの削減
• Authors: Dazhen Deng, Jiang Wu, Jiachen Wang, Yihong Wu, Xiao Xie, Zheng Zhou, Hui Zhang, Xiaolong Zhang, Yingcai Wu
• Abstract要約: EventAnchorは、ラケットスポーツビデオのインタラクティブなアノテーションを容易にするデータ分析フレームワークである。 このアプローチでは,コンピュータビジョンにおける機械学習モデルを用いて,ユーザがビデオから重要なイベントを取得するのを支援する。
• 参考スコア（独自算出の注目度）: 26.516909452362455
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The popularity of racket sports (e.g., tennis and table tennis) leads to high demands for data analysis, such as notational analysis, on player performance. While sports videos offer many benefits for such analysis, retrieving accurate information from sports videos could be challenging. In this paper, we propose EventAnchor, a data analysis framework to facilitate interactive annotation of racket sports video with the support of computer vision algorithms. Our approach uses machine learning models in computer vision to help users acquire essential events from videos (e.g., serve, the ball bouncing on the court) and offers users a set of interactive tools for data annotation. An evaluation study on a table tennis annotation system built on this framework shows significant improvement of user performances in simple annotation tasks on objects of interest and complex annotation tasks requiring domain knowledge.
• Abstract（参考訳）: ラケットスポーツ(テニスや卓球など)の人気は、表記分析などのデータ分析に対する高い需要をプレイヤーのパフォーマンスにもたらしている。 スポーツビデオはそのような分析に多くの利点をもたらすが、スポーツビデオから正確な情報を取得することは困難である。 本稿では,コンピュータビジョンアルゴリズムをサポートしたラケットスポーツビデオのインタラクティブアノテーションを容易にするデータ分析フレームワークであるEventAnchorを提案する。 我々のアプローチでは、コンピュータビジョンにおける機械学習モデルを使用して、ユーザーがビデオ(例えば、コートのボールバウンシング)から重要なイベントを取得するのを助け、データアノテーションのためのインタラクティブなツールセットを提供する。 このフレームワークに基づくテーブルテニスアノテーションシステムの評価研究は、関心のあるオブジェクトに対する単純なアノテーションタスクとドメイン知識を必要とする複雑なアノテーションタスクでのユーザパフォーマンスが大幅に向上していることを示している。

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)
• Sports-QA: A Large-Scale Video Question Answering Benchmark for Complex and Professional Sports [90.79212954022218]
  スポーツビデオQAタスク用に特別に設計された最初のデータセットであるSports-QAを紹介する。 Sports-QAデータセットには、説明、時系列、因果関係、反事実条件など、さまざまな種類の質問が含まれている。 質問応答のための時間的情報の特定の尺度に自動的にフォーカスできる新しいオートフォーカス変換器(AFT)を提案する。
  論文  参考訳（メタデータ） (2024-01-03T02:22:34Z)
• Towards Active Learning for Action Spotting in Association Football Videos [59.84375958757395]
  フットボールビデオの分析は困難であり、微妙で多様な時間的パターンを特定する必要がある。 現在のアルゴリズムは、限られた注釈付きデータから学ぶ際に大きな課題に直面している。 次にアノテートすべき最も情報に富んだビデオサンプルを選択する能動的学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-09T11:50:41Z)
• Sports Video Analysis on Large-Scale Data [10.24207108909385]
  本稿では,スポーツビデオにおける自動機械記述のモデル化について検討する。 スポーツビデオ分析のためのNBAデータセット(NSVA)を提案する。
  論文  参考訳（メタデータ） (2022-08-09T16:59:24Z)
• A Survey on Video Action Recognition in Sports: Datasets, Methods and Applications [60.3327085463545]
  本稿では,スポーツ分析のための映像行動認識に関する調査を行う。 サッカー、バスケットボール、バレーボール、ホッケー、フィギュアスケート、体操、卓球、ダイビング、バドミントンなど10種以上のスポーツを紹介します。 本研究では,サッカー,バスケットボール,卓球,フィギュアスケート動作認識をサポートするPaddlePaddleを用いたツールボックスを開発した。
  論文  参考訳（メタデータ） (2022-06-02T13:19:36Z)
• A Comprehensive Review of Computer Vision in Sports: Open Issues, Future Trends and Research Directions [3.138976077182707]
  本稿では,スポーツ映像解析の高レベル分析への応用について概説する。 選手の検出と分類、スポーツにおける選手またはボールの追跡、選手またはボールの軌跡の予測、チームの戦略の認識、スポーツにおける様々なイベントの分類が含まれる。
  論文  参考訳（メタデータ） (2022-03-03T07:49:21Z)
• Sports Video: Fine-Grained Action Detection and Classification of Table Tennis Strokes from Videos for MediaEval 2021 [0.0]
  このタスクは、ビデオからのきめ細かいアクション検出と分類に取り組む。 主に卓球の試合の記録に焦点が当てられている。 本研究は,スポーツのパフォーマンスを解析するために,スポーツコーチや選手のためのツールを作成することを目的としている。
  論文  参考訳（メタデータ） (2021-12-16T10:17:59Z)
• SoccerNet-v2: A Dataset and Benchmarks for Holistic Understanding of Broadcast Soccer Videos [71.72665910128975]
  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。
  論文  参考訳（メタデータ） (2020-11-26T16:10:16Z)
• Hybrid Dynamic-static Context-aware Attention Network for Action Assessment in Long Videos [96.45804577283563]
  本稿では,長期ビデオにおけるアクションアセスメントのための新しいハイブリットDynAmic-static Context-aware AttenTION NETwork(ACTION-NET)を提案する。 ビデオのダイナミックな情報を学習すると同時に,特定フレームにおける検出した選手の静的姿勢にも焦点をあてる。 2つのストリームの特徴を組み合わせることで、専門家が与えた地道的なスコアによって監督され、最終的なビデオスコアを後退させます。
  論文  参考訳（メタデータ） (2020-08-13T15:51:42Z)
• Challenges and Opportunities for Computer Vision in Real-life Soccer Analytics [6.144873990390373]
  スポーツ分析は、スポーツデータのコーパスからのパターンの理解と発見を扱う。 本稿では主に,コンピュータビジョンにおけるスポーツビデオ解析による課題と機会に焦点を当てる。
  論文  参考訳（メタデータ） (2020-04-13T20:06:23Z)

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。