論文の概要: Video-Based Reconstruction of the Trajectories Performed by Skiers
- arxiv url: http://arxiv.org/abs/2112.09647v1
- Date: Fri, 17 Dec 2021 17:40:06 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-20 16:01:15.583514
- Title: Video-Based Reconstruction of the Trajectories Performed by Skiers
- Title(参考訳): スキー選手による軌道の映像的再構成
- Authors: Matteo Dunnhofer, Alberto Zurini, Maurizio Dunnhofer, Christian
Micheloni
- Abstract要約: そこで本稿では,スポーツ選手が演奏中にトラバースした点列をビデオベースで再構成する手法を提案する。
我々のプロトタイプは、アスリートの動きを再現し、カメラの視点でそれを視覚化するためのディープラーニングベースのアルゴリズムのパイプラインで構成されています。
- 参考スコア(独自算出の注目度): 14.572756832049285
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Trajectories are fundamental in different skiing disciplines. Tools enabling
the analysis of such curves can enhance the training activity and enrich the
broadcasting contents. However, the solutions currently available are based on
geo-localized sensors and surface models. In this short paper, we propose a
video-based approach to reconstruct the sequence of points traversed by an
athlete during its performance. Our prototype is constituted by a pipeline of
deep learning-based algorithms to reconstruct the athlete's motion and to
visualize it according to the camera perspective. This is achieved for
different skiing disciplines in the wild without any camera calibration. We
tested our solution on broadcast and smartphone-captured videos of alpine
skiing and ski jumping professional competitions. The qualitative results
achieved show the potential of our solution.
- Abstract(参考訳): 軌道は異なるスキー分野において基本的なものである。
このような曲線を解析可能なツールは、トレーニング活動を強化し、放送内容を強化することができる。
しかし、現在利用可能なソリューションは、ジオローカライズされたセンサーとサーフェスモデルに基づいている。
本稿では,競技選手が競技中に横断する点のシーケンスをビデオベースで再構成する手法を提案する。
我々のプロトタイプは、アスリートの動きを再現し、カメラの視点でそれを視覚化するためのディープラーニングベースのアルゴリズムのパイプラインで構成されています。
これは、カメラのキャリブレーションなしで野生の様々なスキー競技で達成される。
私たちは、アルペンスキーやスキージャンプのプロの競技会の放送やスマートフォンで撮影されたビデオでソリューションをテストしました。
定性的な結果が我々の解決策の可能性を示している。
関連論文リスト
- ViSTec: Video Modeling for Sports Technique Recognition and Tactical
Analysis [19.945083591851517]
ViSTecは、人間の認知にインスパイアされたビデオベースのスポーツ技術認識モデルである。
提案手法は,ストロークシーケンスにおける戦略的知識を明示的にモデル化するグラフを統合し,文脈的帰納バイアスによる技術認識を強化する。
中国の卓球チームの専門家によるケーススタディは、分析を自動化するモデルの能力を検証する。
論文 参考訳(メタデータ) (2024-02-25T02:04:56Z) - Tracking Skiers from the Top to the Bottom [15.888963265785348]
SkiTBはスキーにおけるコンピュータビジョンのための最大かつ最も注釈付きのデータセットである。
確立された手法と新たに導入されたスキーヤー最適化ベースラインアルゴリズムの両方を含む、いくつかのビジュアルオブジェクト追跡アルゴリズムをテストする。
その結果、視覚に基づくスキー分析における異なるトラッキング手法の適用性に関する貴重な知見が得られた。
論文 参考訳(メタデータ) (2023-12-15T11:53:17Z) - Visualizing Skiers' Trajectories in Monocular Videos [14.606629147104595]
SkiTraVisは,スキーヤーが競技中に横断する点列を可視化するアルゴリズムである。
実世界のプロコンペティションのビデオで、可視化エラー、計算効率、適用可能性の定量化実験を行った。
論文 参考訳(メタデータ) (2023-04-06T11:06:37Z) - NeuPhysics: Editable Neural Geometry and Physics from Monocular Videos [82.74918564737591]
本稿では,モノクラーRGBビデオ入力のみから動的シーンの3次元形状と物理パラメータを学習する手法を提案する。
実験により,提案手法は,競合するニューラルフィールドアプローチと比較して,動的シーンのメッシュとビデオの再構成に優れることを示した。
論文 参考訳(メタデータ) (2022-10-22T04:57:55Z) - Low Light Video Enhancement by Learning on Static Videos with
Cross-Frame Attention [10.119600046984088]
静的ビデオ上でのモデルトレーニングにより,低光度映像強調のための深層学習法を開発した。
既存の方法はフレーム単位で動作し、隣接するフレーム間の関係を利用できない。
本手法は,静的ビデオのみをトレーニングした場合に,他の最先端ビデオ強調アルゴリズムよりも優れることを示す。
論文 参考訳(メタデータ) (2022-10-09T15:49:46Z) - StyleHEAT: One-Shot High-Resolution Editable Talking Face Generation via
Pretrained StyleGAN [49.917296433657484]
ワンショット・トーキング・フェイス・ジェネレーションは、任意のポートレート画像から高品質なトーキング・フェイス・ビデオを合成することを目的としている。
本研究では,事前学習したStyleGANの潜在特徴空間について検討し,優れた空間変換特性について考察する。
本稿では,事前学習したStyleGANをベースとした,強力な機能セットを実現する統一フレームワークを提案する。
論文 参考訳(メタデータ) (2022-03-08T12:06:12Z) - A New Action Recognition Framework for Video Highlights Summarization in
Sporting Events [9.870478438166288]
YOLO-v3とOpenPoseという2つの古典的オープンソース構造に基づく3レベル予測アルゴリズムを用いて,スポーツビデオストリームを自動的にクリップするフレームワークを提案する。
その結果,スポーツ映像のトレーニングデータを用いて,スポーツ活動のハイライトを正確に行うことができることがわかった。
論文 参考訳(メタデータ) (2020-12-01T04:14:40Z) - 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) - A Novel Video Salient Object Detection Method via Semi-supervised Motion
Quality Perception [52.40934043694379]
本稿では,すべての最先端(SOTA)手法に対して,さらに3%の性能向上を実現するための普遍的な学習手法を提案する。
我々は、動画フレームのサブグループを元のテストセットから選択し、新しいトレーニングセットを構築するという、新しいコンセプトである「モーションクオリティ」を活用している。
この新しいトレーニングセットで選択されたフレームには、すべて高品質な動きが含まれており、「ターゲットSOTA法」によって正常な物体が検出される確率が大きい。
論文 参考訳(メタデータ) (2020-08-07T02:58:51Z) - Consistent Video Depth Estimation [57.712779457632024]
モノクロ映像中の全画素に対して, 密度, 幾何的に整合した深度を再構成するアルゴリズムを提案する。
動画中の画素の幾何的制約を確立するために、従来の動きから再構成した構造を利用する。
我々のアルゴリズムは、手持ちの映像をある程度のダイナミックな動きで処理することができる。
論文 参考訳(メタデータ) (2020-04-30T17:59:26Z) - Non-Adversarial Video Synthesis with Learned Priors [53.26777815740381]
我々は、参照入力フレームを使わずに、遅延雑音ベクトルからビデオを生成する問題に焦点をあてる。
本研究では,入力潜時空間,繰り返しニューラルネットワークの重み付け,非対角学習によるジェネレータを協調的に最適化する手法を開発した。
提案手法は,既存の最先端手法と比較して高品質なビデオを生成する。
論文 参考訳(メタデータ) (2020-03-21T02:57:33Z)
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。