論文の概要: Extraction of Positional Player Data from Broadcast Soccer Videos

• arxiv url: http://arxiv.org/abs/2110.11107v1
• Date: Thu, 21 Oct 2021 12:49:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-22 17:09:45.796028
• Title: Extraction of Positional Player Data from Broadcast Soccer Videos
• Title（参考訳）: 放送サッカー映像からのプレーヤの位置データ抽出
• Authors: Jonas Theiner and Wolfgang Gritz and Eric M\"uller-Budack and Robert Rein and Daniel Memmert and Ralph Ewerth
• Abstract要約: サッカーの試合の放送映像記録から位置データの完全自動抽出のためのパイプラインを提案する。 このシステムは、スポーツフィールド登録、プレーヤー検出、チーム割り当てなど、必要なすべてのサブタスクを統合している。 個々のモジュールとパイプライン全体の総合的な実験的評価が提示される。
• 参考スコア（独自算出の注目度）: 3.7437974317872
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computer-aided support and analysis are becoming increasingly important in the modern world of sports. The scouting of potential prospective players, performance as well as match analysis, and the monitoring of training programs rely more and more on data-driven technologies to ensure success. Therefore, many approaches require large amounts of data, which are, however, not easy to obtain in general. In this paper, we propose a pipeline for the fully-automated extraction of positional data from broadcast video recordings of soccer matches. In contrast to previous work, the system integrates all necessary sub-tasks like sports field registration, player detection, or team assignment that are crucial for player position estimation. The quality of the modules and the entire system is interdependent. A comprehensive experimental evaluation is presented for the individual modules as well as the entire pipeline to identify the influence of errors to subsequent modules and the overall result. In this context, we propose novel evaluation metrics to compare the output with ground-truth positional data.
• Abstract（参考訳）: 現代のスポーツでは,コンピュータ支援による支援と分析がますます重要になっている。 潜在的なプレーヤのスカウト、パフォーマンス、およびマッチ分析、トレーニングプログラムの監視は、成功を確実にするためにデータ駆動技術にますます依存している。 したがって、多くのアプローチは大量のデータを必要とするが、一般には入手が容易ではない。 本稿では,サッカーの試合中継映像から位置データの完全自動抽出のためのパイプラインを提案する。 以前の作業とは対照的に、システムは選手の位置推定に不可欠なスポーツフィールド登録、プレイヤー検出、チーム割り当てなどの全ての必要なサブタスクを統合する。 モジュールとシステム全体の品質は相互依存している。 個々のモジュールとパイプライン全体に対して包括的な実験的な評価を行い、エラーがその後のモジュールに与える影響と全体の結果を特定する。 そこで本研究では, 地上位置データと出力を比較するための新しい評価指標を提案する。

関連論文リスト

• 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)
• Machine Learning for Soccer Match Result Prediction [0.9002260638342727]
  本章では、利用可能なデータセット、モデルと機能のタイプ、モデルパフォーマンスを評価する方法について論じる。 本章の目的は,サッカーの試合結果予測のための機械学習の現状と今後の展開について概説することである。
  論文  参考訳（メタデータ） (2024-03-12T14:00:50Z)
• Large Scale Real-World Multi-Person Tracking [68.27438015329807]
  本稿では,新しい大規模多人数追跡データセットであるtexttPersonPath22を提案する。 MOT17、HiEve、MOT20などの高品質なマルチオブジェクト追跡データセットよりも桁違いに大きい。
  論文  参考訳（メタデータ） (2022-11-03T23:03:13Z)
• 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)
• Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
  政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。 既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。 既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
  論文  参考訳（メタデータ） (2021-11-09T13:30:34Z)
• Evaluating Soccer Player: from Live Camera to Deep Reinforcement Learning [0.0]
  オープンソースのプレイヤー追跡モデルと、Deep Reinforcement Learningのみに基づいてこれらのプレイヤーを評価する新しいアプローチの2つの部分のソリューションを紹介します。 私達の追跡モデルは私達がまた解放するデータセットの監視された方法で訓練され、私達の評価モデルは仮想サッカーゲームのシミュレーションだけに頼ります。 新たなアプローチであるExpected Discounted Goal(EDG)は、チームが特定の状態から獲得または達成できる目標の数を表します。
  論文  参考訳（メタデータ） (2021-01-13T23:26:17Z)
• Self-Supervised Small Soccer Player Detection and Tracking [8.851964372308801]
  最先端のトラッキングアルゴリズムは、トレーニングされたシナリオで印象的な結果を得るが、サッカーの試合のような挑戦的なシナリオでは失敗する。 これは、しばしばプレイヤーの相対的なサイズが小さく、同じチームのプレイヤーに類似しているためである。 そこで本研究では,低解像度のサッカー選手を異なる記録条件下で検出・追跡できる自己教師型パイプラインを提案する。
  論文  参考訳（メタデータ） (2020-11-20T10:57:18Z)
• Scaling Systematic Literature Reviews with Machine Learning Pipelines [57.82662094602138]
  体系的なレビューは、科学的文書からデータを抽出する。 これらの側面をそれぞれ自動化するパイプラインを構築し、多くの人間時間対システム品質トレードオフを実験します。 人間の専門的アノテーションの2週間だけで、パイプラインシステム全体の驚くほどの精度と一般性が得られることが分かりました。
  論文  参考訳（メタデータ） (2020-10-09T16:19:42Z)
• Improving Multi-Turn Response Selection Models with Complementary Last-Utterance Selection by Instance Weighting [84.9716460244444]
  我々は、データリソース自体の根底にある相関を利用して、異なる種類の監視信号を導出することを検討する。 2つの公開データセットで広範な実験を行い、両方のデータセットで大幅に改善した。
  論文  参考訳（メタデータ） (2020-02-18T06:29:01Z)

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。