論文の概要: Coach2vec: autoencoding the playing style of soccer coaches
- arxiv url: http://arxiv.org/abs/2106.15444v1
- Date: Tue, 29 Jun 2021 14:32:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-30 15:29:44.067403
- Title: Coach2vec: autoencoding the playing style of soccer coaches
- Title（参考訳）: Coach2vec: サッカーコーチのプレースタイルの自動エンコーディング
- Authors: Paolo Cintia, Luca Pappalardo
- Abstract要約: Coach2vecは、マッチイベントストリームと人工知能を使用して、プロフェッショナルコーチのプレースタイルをキャプチャするワークフローである。
各試合からボールの所有物を抽出し、その類似性に基づいてそれらをクラスタ化し、コーチの典型的なボール所有を再構築する。
イタリア・ファーストディビジョンの最後の4シーズンを説明したサッカー・ログの実験では、著名なコーチ間の興味深い類似点が明らかになった。
- 参考スコア（独自算出の注目度）: 0.06091702876917279
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Capturing the playing style of professional soccer coaches is a complex, and
yet barely explored, task in sports analytics. Nowadays, the availability of
digital data describing every relevant spatio-temporal aspect of soccer
matches, allows for capturing and analyzing the playing style of players,
teams, and coaches in an automatic way. In this paper, we present coach2vec, a
workflow to capture the playing style of professional coaches using match event
streams and artificial intelligence. Coach2vec extracts ball possessions from
each match, clusters them based on their similarity, and reconstructs the
typical ball possessions of coaches. Then, it uses an autoencoder, a type of
artificial neural network, to obtain a concise representation (encoding) of the
playing style of each coach. Our experiments, conducted on soccer-logs
describing the last four seasons of the Italian first division, reveal
interesting similarities between prominent coaches, paving the road to the
simulation of playing styles and the quantitative comparison of professional
coaches.
- Abstract（参考訳）: プロのサッカーコーチのプレースタイルを捉えることは複雑だが、スポーツ分析においてはほとんど研究されていない。
今日では、サッカーの試合の時空間的側面を記述したデジタルデータが利用可能になり、選手、チーム、コーチのプレースタイルを自動で捉えて分析することができる。
本稿では,マッチングイベントストリームと人工知能を用いて,プロコーチの演奏スタイルを捉えるワークフローである coach2vec を提案する。
coach2vecは各試合からボールの持ち物を抽出し、その類似性に基づいて集合し、コーチの典型的なボールの持ち物を再構築する。
次に、AIニューラルネットワークの一種であるオートエンコーダを使用して、各コーチの演奏スタイルの簡潔な表現(符号化)を得る。
イタリア第1部の最後の4シーズンを解説したサッカー・ログで実施した実験では,卓越したコーチ間の興味深い類似性,演奏スタイルのシミュレーションへの道のり,プロコーチの定量的比較が明らかになった。
関連論文リスト
- Predicting soccer matches with complex networks and machine learning [0.0]
本研究の目的は,サッカーの試合結果を予測するための代替ツールとして,複雑なネットワークを利用することである。
通過ネットワークに基づくモデルは、一般的なマッチング統計を用いた従来のモデルと同じくらい効果的であった。
論文 参考訳（メタデータ） (2024-09-19T21:45:25Z) - 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) - MatchTime: Towards Automatic Soccer Game Commentary Generation [52.431010585268865]
観客の視聴体験を改善するために,自動サッカーゲーム解説モデルの構築を検討する。
まず、既存のデータセットでよく見られるビデオテキストのミスアライメントを観察し、49試合のタイムスタンプを手動でアノテートする。
第2に,既存のデータセットを自動的に修正・フィルタリングするマルチモーダル時間アライメントパイプラインを提案する。
第3に、キュレートされたデータセットに基づいて、MatchVoiceという自動コメント生成モデルをトレーニングします。
論文 参考訳（メタデータ） (2024-06-26T17:57:25Z) - Action valuation of on- and off-ball soccer players based on multi-agent
deep reinforcement learning [4.477124009148237]
マルチエージェント深部強化学習に基づく1つの総合的な枠組みを用いて,オンタイムおよびオフボール選手のアクションを評価する手法を提案する。
本手法では,識別やラベル付けが困難なゲームを通して,複数のプレイヤーが連続的に動き続けるかを評価することができる。
論文 参考訳（メタデータ） (2023-05-29T05:14:36Z) - Understanding why shooters shoot -- An AI-powered engine for basketball
performance profiling [70.54015529131325]
バスケットボールは、プレイスタイルやゲームダイナミクスなど、多くの変数によって規定されている。
パフォーマンスプロファイルが様々なプレイスタイルを反映できることは重要です。
プレイヤのパフォーマンスプロファイルをタイムリーに可視化するツールを提案する。
論文 参考訳（メタデータ） (2023-03-17T01:13:18Z) - 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) - Is it worth the effort? Understanding and contextualizing physical
metrics in soccer [1.2205797997133396]
このフレームワークは、サッカーの物理的側面と技術的戦術的側面の関連について深い洞察を与える。
トップダウンアプローチのおかげで、物理パフォーマンスとバリュー生成を関連付けることができます。
論文 参考訳（メタデータ） (2022-04-05T16:14:40Z) - Coach-Player Multi-Agent Reinforcement Learning for Dynamic Team
Composition [88.26752130107259]
現実世界のマルチエージェントシステムでは、異なる能力を持つエージェントがチーム全体の目標を変更することなく参加または離脱する可能性がある。
この問題に取り組むコーチ・プレイヤー・フレームワーク「COPA」を提案します。
1)コーチと選手の両方の注意メカニズムを採用し、2)学習を正規化するための変動目標を提案し、3)コーチが選手とのコミュニケーションのタイミングを決定するための適応的なコミュニケーション方法を設計する。
論文 参考訳（メタデータ） (2021-05-18T17:27:37Z) - An analysis of Reinforcement Learning applied to Coach task in IEEE Very
Small Size Soccer [2.5400028272658144]
本稿では、強化学習(RL)に基づくコーチングタスクのエンドツーエンドアプローチを提案する。
シミュレーション環境では、3つの異なるチームに対して2つのRLポリシーをトレーニングしました。
結果はVSSSリーグのトップチームの1つに対して評価された。
論文 参考訳（メタデータ） (2020-11-23T23:10:06Z) - Game Plan: What AI can do for Football, and What Football can do for AI [83.79507996785838]
予測的および規範的フットボール分析は、統計学習、ゲーム理論、コンピュータビジョンの交差点における新たな発展と進歩を必要とする。
フットボール分析は、サッカー自体のゲームを変えるだけでなく、この領域がAIの分野で何を意味するのかという観点からも、非常に価値の高いゲームチェンジャーであることを示す。
論文 参考訳（メタデータ） (2020-11-18T10:26:02Z)
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。