論文の概要: Puck localization and multi-task event recognition in broadcast hockey videos

• arxiv url: http://arxiv.org/abs/2105.10563v1
• Date: Fri, 21 May 2021 20:43:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-27 12:28:21.236395
• Title: Puck localization and multi-task event recognition in broadcast hockey videos
• Title（参考訳）: 放送ホッケービデオにおけるパックローカライゼーションとマルチタスクイベント認識
• Authors: Kanav Vats, Mehrnaz Fani, David A. Clausi, John Zelek
• Abstract要約: パックのローカライゼーションは、アイスホッケービデオ分析においてゲーム分析に有用な重要な問題である。 ブロードキャストホッケービデオにおけるパックローカライズのためのネットワークを導入し実装する。
• 参考スコア（独自算出の注目度）: 9.316018917078049
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Puck localization is an important problem in ice hockey video analytics useful for analyzing the game, determining play location, and assessing puck possession. The problem is challenging due to the small size of the puck, excessive motion blur due to high puck velocity and occlusions due to players and boards. In this paper, we introduce and implement a network for puck localization in broadcast hockey video. The network leverages expert NHL play-by-play annotations and uses temporal context to locate the puck. Player locations are incorporated into the network through an attention mechanism by encoding player positions with a Gaussian-based spatial heatmap drawn at player positions. Since event occurrence on the rink and puck location are related, we also perform event recognition by augmenting the puck localization network with an event recognition head and training the network through multi-task learning. Experimental results demonstrate that the network is able to localize the puck with an AUC of $73.1 \%$ on the test set. The puck location can be inferred in 720p broadcast videos at $5$ frames per second. It is also demonstrated that multi-task learning with puck location improves event recognition accuracy.
• Abstract（参考訳）: パックのローカライズは、アイスホッケービデオ分析において重要な問題であり、ゲームの解析、プレイ位置の決定、パックの所有度の評価に有用である。 問題はパックが小さいこと、パックの速度が高いことによる過度な動きのぼやけ、プレイヤーやボードによる閉塞のためである。 本稿では,放送ホッケービデオにおけるパックローカライズのためのネットワークについて紹介し,実装する。 このネットワークは専門家のNHLプレイバイプレイアノテーションを活用し、時間的コンテキストを使ってパックを見つける。 プレイヤー位置をガウス系空間熱マップで符号化することにより、アテンション機構を介してプレイヤー位置をネットワークに組み込む。 リンクやパック位置でのイベント発生は関連しているため、イベント認識ヘッドでパックの局所化ネットワークを強化し、マルチタスク学習を通じてネットワークをトレーニングすることで、イベント認識を行う。 実験の結果、ネットワークはテストセット上で73.1セントのaucでパックをローカライズできることが示されている。 puckのロケーションは、720pのブロードキャストビデオで毎秒5ドルのフレームで推測できる。 また,puckロケーションを用いたマルチタスク学習により,イベント認識精度が向上することを示す。

関連論文リスト

• 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)
• 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)
• GoalieNet: A Multi-Stage Network for Joint Goalie, Equipment, and Net Pose Estimation in Ice Hockey [82.74877848011798]
  GoalieNetは多段階のディープニューラルネットワークで、ゴールキーパーのポーズ、機器、ネットを共同で推定する。 NHLベンチマークデータを用いた実験の結果、提案したGoalieNetは、すべてのキーポイントで平均84%の精度を達成可能であることが示された。
  論文  参考訳（メタデータ） (2023-06-28T01:00:36Z)
• P2ANet: A Dataset and Benchmark for Dense Action Detection from Table Tennis Match Broadcasting Videos [64.57435509822416]
  この作品は、ワールド・テーブルテニス選手権とオリンピアードのプロの卓球試合の放送ビデオから収集された2,721本のビデオクリップで構成されている。 強調局所化と強調認識という2つのアクション検出問題を定式化する。 その結果、TheNameは依然として困難なタスクであり、ビデオからの高密度なアクション検出のための特別なベンチマークとして使用できることを確認した。
  論文  参考訳（メタデータ） (2022-07-26T08:34:17Z)
• Evaluating deep tracking models for player tracking in broadcast ice hockey video [20.850267622473176]
  選手追跡は、ホッケー選手の動きが高速で非線形であるため、難しい問題である。 我々は、いくつかの最先端追跡アルゴリズムを比較し、アイスホッケーのパフォーマンスと失敗モードを分析した。
  論文  参考訳（メタデータ） (2022-05-22T22:56:31Z)
• Ice hockey player identification via transformers [11.28395713457468]
  そこで我々は,NHL(National Hockey League)ビデオで選手のジャージー番号を識別するトランスフォーマーネットワークを導入する。 提案するネットワークは、使用したデータセットの以前のベンチマークよりもパフォーマンスがよい。 また,光学式文字認識(OCR)を用いてゲーム時間を読み取ることで,NHLプレイバイプレイデータで利用可能なプレイヤーシフトを利用して,特定のゲーム時間でプレイヤーをアイスリンクに誘導する。
  論文  参考訳（メタデータ） (2021-11-22T21:10:26Z)
• Localization of Ice-Rink for Broadcast Hockey Videos [75.9924857328797]
  放送ビデオからのホッケーアイスリンクローカライズのためのフレームワークを紹介する。 ResNet18ベースの回帰器が実装され、訓練され、フレーム単位でモデル上の4つの制御ポイントに回帰する。 滑らかなホモグラフィ行列は、対応する4つの点の対の直線型変換を用いて計算される。
  論文  参考訳（メタデータ） (2021-04-22T03:39:43Z)
• 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)
• Player Identification in Hockey Broadcast Videos [18.616544581429835]
  我々はNHL放送におけるホッケー選手識別の問題を解決するために,深層畳み込みニューラルネットワークアプローチを提案する。 本稿では,ResNet+LSTMネットワークの出力を分類するために,2次1次元畳み込みニューラルネットワークをレイトスコアレベル融合法として利用する。 これにより、新しいデータセットのテスト分割で、全体的なプレイヤー識別精度が87%以上になる。
  論文  参考訳（メタデータ） (2020-09-05T01:30:15Z)

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。