論文の概要: Camera Calibration and Player Localization in SoccerNet-v2 and
Investigation of their Representations for Action Spotting
- arxiv url: http://arxiv.org/abs/2104.09333v1
- Date: Mon, 19 Apr 2021 14:21:05 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-20 13:47:38.324887
- Title: Camera Calibration and Player Localization in SoccerNet-v2 and
Investigation of their Representations for Action Spotting
- Title（参考訳）: SoccerNet-v2におけるカメラキャリブレーションとプレイヤーのローカライゼーションとアクションスポッティング表現の検討
- Authors: Anthony Cioppa, Adrien Deli\`ege, Floriane Magera, Silvio Giancola,
Olivier Barnich, Bernard Ghanem, Marc Van Droogenbroeck
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 61.92132798351982
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Soccer broadcast video understanding has been drawing a lot of attention in
recent years within data scientists and industrial companies. This is mainly
due to the lucrative potential unlocked by effective deep learning techniques
developed in the field of computer vision. In this work, we focus on the topic
of camera calibration and on its current limitations for the scientific
community. More precisely, we tackle the absence of a large-scale calibration
dataset and of a public calibration network trained on such a dataset.
Specifically, we distill a powerful commercial calibration tool in a recent
neural network architecture on the large-scale SoccerNet dataset, composed of
untrimmed broadcast videos of 500 soccer games. We further release our
distilled network, and leverage it to provide 3 ways of representing the
calibration results along with player localization. Finally, we exploit those
representations within the current best architecture for the action spotting
task of SoccerNet-v2, and achieve new state-of-the-art performances.
- Abstract（参考訳）: サッカーの放送ビデオ理解は近年、データサイエンティストや工業企業の間で注目を集めている。
これは主に、コンピュータビジョンの分野で開発された効果的な深層学習技術によって解錠される有益性によるものである。
本研究は,カメラキャリブレーションの話題と,現在の科学コミュニティの限界に焦点をあてたものである。
より正確には、大規模なキャリブレーションデータセットと、そのようなデータセットでトレーニングされた公開キャリブレーションネットワークの欠如に対処する。
具体的には,500試合の生中継ビデオからなる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,強力な商業キャリブレーションツールを蒸留する。
さらに, 蒸留ネットワークを開放し, キャリブレーション結果の3つの表現方法とプレーヤのローカライゼーションを提供する。
最後に,サッカーネットv2のアクションスポッティングタスクにおいて,これらの表現を現在のベストアーキテクチャ内で活用し,新しい最先端パフォーマンスを実現する。
関連論文リスト
- Enhancing Soccer Camera Calibration Through Keypoint Exploitation [0.0]
本稿では,高品質な点対を得るという課題に対処する多段階パイプラインを提案する。
本手法は,直線交点や直線-円錐交点,円錐上の点,その他の幾何学的特徴を活用することにより,校正に利用できる点の数を大幅に増加させる。
我々は,サッカー放送カメラのキャリブレーション・データセットの最大化について検討し,サッカーネットカメラチャレンジ2023でトップの地位を確保した。
論文 参考訳（メタデータ） (2024-10-09T20:01:14Z) - 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 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) - Context-Aware 3D Object Localization from Single Calibrated Images: A
Study of Basketballs [1.809206198141384]
単一校正画像から3次元バスケットボールのローカライズ手法を提案する。
提案手法は,画像内の平面上に投影された物体の高さを推定することにより,画像空間内の物体の高さを推定する。
ボールの3次元座標は、既知の投影行列を利用して再構成される。
論文 参考訳（メタデータ） (2023-09-07T11:14:02Z) - 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) - 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) - 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)
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。