論文の概要: MMSys'22 Grand Challenge on AI-based Video Production for Soccer

• arxiv url: http://arxiv.org/abs/2202.01031v1
• Date: Wed, 2 Feb 2022 13:53:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-03 18:21:12.249652
• Title: MMSys'22 Grand Challenge on AI-based Video Production for Soccer
• Title（参考訳）: mmsys'22 サッカーのためのaiベースのビデオ制作に関する大きな挑戦
• Authors: Cise Midoglu, Steven A. Hicks, Vajira Thambawita, Tomas Kupka, P{\aa}l Halvorsen
• Abstract要約: この課題は、AIを使用した運用パイプラインの自動化を支援することにある。 特に,イベント検出後に発生する拡張操作に注目した。
• 参考スコア（独自算出の注目度）: 2.14475390920102
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Soccer has a considerable market share of the global sports industry, and the interest in viewing videos from soccer games continues to grow. In this respect, it is important to provide game summaries and highlights of the main game events. However, annotating and producing events and summaries often require expensive equipment and a lot of tedious, cumbersome, manual labor. Therefore, automating the video production pipeline providing fast game highlights at a much lower cost is seen as the "holy grail". In this context, recent developments in Artificial Intelligence (AI) technology have shown great potential. Still, state-of-the-art approaches are far from being adequate for practical scenarios that have demanding real-time requirements, as well as strict performance criteria (where at least the detection of official events such as goals and cards must be 100% accurate). In addition, event detection should be thoroughly enhanced by annotation and classification, proper clipping, generating short descriptions, selecting appropriate thumbnails for highlight clips, and finally, combining the event highlights into an overall game summary, similar to what is commonly aired during sports news. Even though the event tagging operation has by far received the most attention, an end-to-end video production pipeline also includes various other operations which serve the overall purpose of automated soccer analysis. This challenge aims to assist the automation of such a production pipeline using AI. In particular, we focus on the enhancement operations that take place after an event has been detected, namely event clipping (Task 1), thumbnail selection (Task 2), and game summarization (Task 3). Challenge website: https://mmsys2022.ie/authors/grand-challenge.
• Abstract（参考訳）: サッカーは世界のスポーツ産業でかなりのシェアを占めており、サッカーの試合の動画視聴への関心は高まっている。 この点において、主なゲームイベントの要約やハイライトを提供することが重要である。 しかし、イベントやサマリーの注釈や制作には、しばしば高価な設備と、面倒で面倒な手作業が必要となる。 したがって、高速ゲームハイライトを提供するビデオ制作パイプラインの自動化を、はるかに低コストで行うことは、"聖杯"と見なされる。 この文脈では、最近の人工知能(AI)技術の発展は大きな可能性を示している。 それでも、最先端のアプローチは、リアルタイム要件や厳格なパフォーマンス基準(少なくともゴールやカードなどの公式イベントの検出が100%正確でなければならない)を必要とする実践的なシナリオに適していない。 さらに、アノテーションや分類、適切なクリッピング、短い記述の生成、ハイライトクリップに適したサムネイルの選択、そして最後に、イベントハイライトをスポーツニュースで一般的に放送されているような全体的なゲーム要約に組み合わせることで、イベント検出を徹底的に強化する必要がある。 イベントタグ操作が最も注目を集めているが、エンドツーエンドのビデオ制作パイプラインには、サッカーの自動分析の全体的な目的に役立つ様々な操作も含まれている。 この課題は、aiを使用した生産パイプラインの自動化を支援することにある。 特に、イベントが検出された後に発生する強化操作、すなわち、イベントクリッピング(Task 1)、サムネイル選択(Task2)、ゲーム要約(Task3)に焦点を当てる。 チャレンジウェブサイト: https://mmsys2022.ie/authors/grand-challenge。

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)
• GOAL: A Challenging Knowledge-grounded Video Captioning Benchmark for Real-time Soccer Commentary Generation [75.60413443783953]
  我々は,KGVC(Knowledge-grounded Video Captioning)として新たなタスク設定を提案するための,8.9k以上のサッカービデオクリップ,22kの文,42kの知識トリプルのベンチマークであるGOALを提案する。 私たちのデータとコードはhttps://github.com/THU-KEG/goal.orgで公開されています。
  論文  参考訳（メタデータ） (2023-03-26T08:43:36Z)
• A Graph-Based Method for Soccer Action Spotting Using Unsupervised Player Classification [75.93186954061943]
  アクションスポッティングには、ゲームのダイナミクス、イベントの複雑さ、ビデオシーケンスのバリエーションを理解することが含まれる。 本研究では, (a) 選手, 審判, ゴールキーパーをグラフのノードとして識別し, および (b) 時間的相互作用をグラフのシーケンスとしてモデル化することによって, 前者に焦点を当てる。 プレーヤ識別タスクでは,他のモダリティと組み合わせることで,平均mAPの57.83%の総合的な性能が得られる。
  論文  参考訳（メタデータ） (2022-11-22T15:23:53Z)
• 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)
• Smart Director: An Event-Driven Directing System for Live Broadcasting [110.30675947733167]
  Smart Directorは、典型的な人間向けブロードキャストプロセスを模倣して、ほぼ専門的なブロードキャストプログラムをリアルタイムで自動的に作成することを目指している。 本システムは,マルチカメラスポーツ放送における初のエンドツーエンド自動指向システムである。
  論文  参考訳（メタデータ） (2022-01-11T16:14:41Z)
• A Unified Taxonomy and Multimodal Dataset for Events in Invasion Games [3.7111751305143654]
  本稿では,侵略ゲームにおける多種多様な低レベル・高レベルの事象を包括する普遍的な分類法を提案する。 我々は、細粒度および球中心イベントスポッティングの研究を促進するため、金標準アノテーションを用いたビデオデータと位置データからなる2つのマルチモーダルデータセットをリリースする。
  論文  参考訳（メタデータ） (2021-08-25T10:09:28Z)
• Feature Combination Meets Attention: Baidu Soccer Embeddings and Transformer based Temporal Detection [3.7709686875144337]
  本稿では,サッカー中継ビデオにおけるイベントの発生状況と発生状況を検出するための2段階のパラダイムを提案する。 具体的には,サッカーデータ上に複数のアクション認識モデルを微調整し,ハイレベルなセマンティックな特徴を抽出する。 このアプローチは、サッカーネットv2チャレンジにおける2つのタスク、すなわちアクションスポッティングとリプレイグラウンドにおいて、最先端のパフォーマンスを達成した。
  論文  参考訳（メタデータ） (2021-06-28T08:00:21Z)
• 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)

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。