論文の概要: Sports Video: Fine-Grained Action Detection and Classification of Table
Tennis Strokes from Videos for MediaEval 2021
- arxiv url: http://arxiv.org/abs/2112.11384v1
- Date: Thu, 16 Dec 2021 10:17:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-26 12:27:26.491415
- Title: Sports Video: Fine-Grained Action Detection and Classification of Table
Tennis Strokes from Videos for MediaEval 2021
- Title（参考訳）: スポーツビデオ:memeval 2021のビデオからのテーブルテニスストロークの詳細な動作検出と分類
- Authors: Pierre-Etienne Martin (LaBRI, MPI-EVA, UB), Jordan Calandre (MIA),
Boris Mansencal (LaBRI), Jenny Benois-Pineau (LaBRI), Renaud P\'eteri (MIA),
Laurent Mascarilla (MIA), Julien Morlier (IMS)
- Abstract要約: このタスクは、ビデオからのきめ細かいアクション検出と分類に取り組む。
主に卓球の試合の記録に焦点が当てられている。
本研究は,スポーツのパフォーマンスを解析するために,スポーツコーチや選手のためのツールを作成することを目的としている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sports video analysis is a prevalent research topic due to the variety of
application areas, ranging from multimedia intelligent devices with
user-tailored digests up to analysis of athletes' performance. The Sports Video
task is part of the MediaEval 2021 benchmark. This task tackles fine-grained
action detection and classification from videos. The focus is on recordings of
table tennis games. Running since 2019, the task has offered a classification
challenge from untrimmed video recorded in natural conditions with known
temporal boundaries for each stroke. This year, the dataset is extended and
offers, in addition, a detection challenge from untrimmed videos without
annotations. This work aims at creating tools for sports coaches and players in
order to analyze sports performance. Movement analysis and player profiling may
be built upon such technology to enrich the training experience of athletes and
improve their performance.
- Abstract（参考訳）: スポーツビデオ分析は,マルチメディア・インテリジェント・デバイスとユーザ対応のダイジェストから,アスリートのパフォーマンス分析まで,さまざまな応用分野において一般的な研究テーマである。
スポーツビデオタスクはMediaEval 2021ベンチマークの一部である。
このタスクは、ビデオからのきめ細かいアクション検出と分類に取り組む。
主に卓球の試合の記録に焦点が当てられている。
2019年以降、このタスクは、各ストロークの時間境界が既知の自然条件で記録された未編集ビデオから分類する課題を提示している。
今年はデータセットが拡張され、アノテーションのない未トリミングビデオによる検出課題も提供される。
本研究の目的は,スポーツのパフォーマンスを解析するために,スポーツコーチや選手のためのツールを作成することである。
運動分析と選手のプロファイリングは、アスリートのトレーニング経験を豊かにし、パフォーマンスを向上させるために構築される。
関連論文リスト
- 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) - Sports-QA: A Large-Scale Video Question Answering Benchmark for Complex
and Professional Sports [90.79212954022218]
スポーツビデオQAタスク用に特別に設計された最初のデータセットであるSports-QAを紹介する。
Sports-QAデータセットには、説明、時系列、因果関係、反事実条件など、さまざまな種類の質問が含まれている。
質問応答のための時間的情報の特定の尺度に自動的にフォーカスできる新しいオートフォーカス変換器(AFT)を提案する。
論文 参考訳（メタデータ） (2024-01-03T02:22:34Z) - Sport Task: Fine Grained Action Detection and Classification of Table
Tennis Strokes from Videos for MediaEval 2022 [0.9894420655516565]
本課題は,スポーツビデオから微妙な動きを検出し,分類することである。
私たちは卓球の試合の記録に重点を置いている。
2021年以降、このタスクは、注釈のない未修正ビデオからのストローク検出にも挑戦している。
論文 参考訳（メタデータ） (2023-01-31T12:03:59Z) - 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) - A Survey on Video Action Recognition in Sports: Datasets, Methods and
Applications [60.3327085463545]
本稿では,スポーツ分析のための映像行動認識に関する調査を行う。
サッカー、バスケットボール、バレーボール、ホッケー、フィギュアスケート、体操、卓球、ダイビング、バドミントンなど10種以上のスポーツを紹介します。
本研究では,サッカー,バスケットボール,卓球,フィギュアスケート動作認識をサポートするPaddlePaddleを用いたツールボックスを開発した。
論文 参考訳（メタデータ） (2022-06-02T13:19:36Z) - EventAnchor: Reducing Human Interactions in Event Annotation of Racket
Sports Videos [26.516909452362455]
EventAnchorは、ラケットスポーツビデオのインタラクティブなアノテーションを容易にするデータ分析フレームワークである。
このアプローチでは,コンピュータビジョンにおける機械学習モデルを用いて,ユーザがビデオから重要なイベントを取得するのを支援する。
論文 参考訳（メタデータ） (2021-01-13T09:32:05Z) - 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) - 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)
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。