論文の概要: MonoTrack: Shuttle trajectory reconstruction from monocular badminton
video
- arxiv url: http://arxiv.org/abs/2204.01899v1
- Date: Mon, 4 Apr 2022 23:57:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-06 23:26:17.778381
- Title: MonoTrack: Shuttle trajectory reconstruction from monocular badminton
video
- Title（参考訳）: MonoTrack:モノクラーバドミントンビデオによるシャトル軌道の再構築
- Authors: Paul Liu and Jui-Hsien Wang
- Abstract要約: モノクロバドミントンビデオから3次元シャトル軌道の抽出と分割を行うための,最初のエンドツーエンドシステムを提案する。
本システムは, コート次元, ショット配置, 動きの物理法則などのバドミントン領域の知識と, プレイヤーのポーズやシャトル追跡などの視覚的特徴を統合する。
- 参考スコア（独自算出の注目度）: 6.218613353519723
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Trajectory estimation is a fundamental component of racket sport analytics,
as the trajectory contains information not only about the winning and losing of
each point, but also how it was won or lost. In sports such as badminton,
players benefit from knowing the full 3D trajectory, as the height of
shuttlecock or ball provides valuable tactical information. Unfortunately, 3D
reconstruction is a notoriously hard problem, and standard trajectory
estimators can only track 2D pixel coordinates. In this work, we present the
first complete end-to-end system for the extraction and segmentation of 3D
shuttle trajectories from monocular badminton videos. Our system integrates
badminton domain knowledge such as court dimension, shot placement, physical
laws of motion, along with vision-based features such as player poses and
shuttle tracking. We find that significant engineering efforts and model
improvements are needed to make the overall system robust, and as a by-product
of our work, improve state-of-the-art results on court recognition, 2D
trajectory estimation, and hit recognition.
- Abstract（参考訳）: 軌道推定はラケットスポーツ分析の基本的な要素であり、軌道には各点の勝利と負けに関する情報だけでなく、勝敗に関する情報も含まれている。
バドミントンのようなスポーツでは、シャトルコックやボールの高さが貴重な戦術情報を提供するため、プレイヤーは完全な3d軌道を知る利点がある。
残念なことに、3D再構成は難しい問題であり、標準軌跡推定器は2Dピクセル座標しか追跡できない。
本研究では,モノクロバドミントンビデオから3次元シャトル軌道の抽出とセグメンテーションを行うためのエンド・ツー・エンドシステムを提案する。
本システムは, コート次元, ショット配置, 動きの物理法則などのバドミントン領域の知識と, プレイヤーのポーズやシャトル追跡などの視覚的特徴を統合する。
システム全体を堅牢にするために、そして我々の作業の副産物として、裁判所の認識における最先端の結果の改善、2次元の軌道推定、ヒット認識のために、重要なエンジニアリング努力とモデルの改善が必要であることが分かりました。
関連論文リスト
- DynOMo: Online Point Tracking by Dynamic Online Monocular Gaussian Reconstruction [65.46359561104867]
モノクラーカメラ入力からのオンライン2Dおよび3Dポイントトラッキングの課題を対象としている。
我々は3Dガウススプラッティングを利用して動的シーンをオンラインに再構築する。
我々は,オンラインのポイントトラッキングとリコンストラクションを推進し,様々な現実のシナリオに適用可能にすることを目的としている。
論文 参考訳（メタデータ） (2024-09-03T17:58:03Z) - Neural Network-Based Tracking and 3D Reconstruction of Baseball Pitch Trajectories from Single-View 2D Video [0.0]
本稿では,2次元映像から3次元座標まで,野球球の軌跡の追跡と再構成のためのニューラルネットワークによるアプローチを提案する。
実験結果から,本手法は2次元入力から3次元軌跡を復元する際の精度が高いことが示された。
論文 参考訳（メタデータ） (2024-05-25T16:17:10Z) - SpatialTracker: Tracking Any 2D Pixels in 3D Space [71.58016288648447]
本稿では,画像投影による問題点を軽減するために,3次元空間における点軌道の推定を提案する。
この手法はSpatialTrackerと呼ばれ、2Dピクセルをモノクロ深度推定器を用いて3Dにリフトする。
3Dでのトラッキングにより、ピクセルを異なる剛性部分にクラスタ化する剛性埋め込みを同時に学習しながら、ARAP(as-rigid-as-possible)制約を活用することができます。
論文 参考訳（メタデータ） (2024-04-05T17:59:25Z) - PonderV2: Pave the Way for 3D Foundation Model with A Universal
Pre-training Paradigm [114.47216525866435]
本稿では,効率的な3D表現の獲得を容易にするために,新しいユニバーサル3D事前学習フレームワークを提案する。
PonderV2は、11の室内および屋外ベンチマークで最先端のパフォーマンスを達成したことで、その効果が示唆された。
論文 参考訳（メタデータ） (2023-10-12T17:59:57Z) - A Badminton Recognition and Tracking System Based on Context
Multi-feature Fusion [6.068573093901329]
2つのトラジェクトリクリップトラッカーは、ボールの正しいトラジェクトリをキャプチャするための異なるルールに基づいて設計されている。
粗粒から細粒への2ラウンドの検出は、バドミントン検出で直面する課題を解決するために用いられる。
論文 参考訳（メタデータ） (2023-06-26T08:07:56Z) - Monocular 3D Human Pose Estimation for Sports Broadcasts using Partial
Sports Field Registration [0.0]
スポーツ場の一部登録による2次元ポーズ推定とカメラキャリブレーションの進歩を組み合わせることで,有効な大規模運動データ収集の道筋を示す。
異なる視点、実行スタイル、ボディタイプを備えた、Unreal Engine 5で10k以上の画像の合成データセットを生成します。
論文 参考訳（メタデータ） (2023-04-10T07:41:44Z) - An Effective Motion-Centric Paradigm for 3D Single Object Tracking in
Point Clouds [50.19288542498838]
LiDARポイントクラウド(LiDAR SOT)における3Dシングルオブジェクトトラッキングは、自動運転において重要な役割を果たす。
現在のアプローチはすべて、外観マッチングに基づくシームズパラダイムに従っている。
我々は新たな視点からLiDAR SOTを扱うための動き中心のパラダイムを導入する。
論文 参考訳（メタデータ） (2023-03-21T17:28:44Z) - Observation Centric and Central Distance Recovery on Sports Player
Tracking [24.396926939889532]
本稿では,バスケットボール,サッカー,バレーボールを含む3つのスポーツを対象とした,モーションベースのトラッキングアルゴリズムと3つのポストプロセッシングパイプラインを提案する。
本手法は,2022年のSportsmotワークショップ最終リーダーボードで3位にランクインした73.968のHOTAを達成した。
論文 参考訳（メタデータ） (2022-09-27T04:48:11Z) - 3D Visual Tracking Framework with Deep Learning for Asteroid Exploration [22.808962211830675]
本稿では,3次元追跡のための高精度かつリアルタイムな手法について検討する。
両眼ビデオシーケンス、深度マップ、様々な小惑星の点雲を含む、新しい大規模な3D小惑星追跡データセットが提示されている。
深層学習に基づく3DトラッキングフレームワークTrack3Dを提案する。このフレームワークは,2次元単分子トラッカーと,新しい軽量アモーダル軸整合バウンディングボックスネットワークであるA3BoxNetを備える。
論文 参考訳（メタデータ） (2021-11-21T04:14:45Z) - Monocular Quasi-Dense 3D Object Tracking [99.51683944057191]
周囲の物体の将来の位置を予測し、自律運転などの多くのアプリケーションで観測者の行動を計画するためには、信頼性と正確な3D追跡フレームワークが不可欠である。
移動プラットフォーム上で撮影された2次元画像のシーケンスから,移動物体を時間とともに効果的に関連付け,その全3次元バウンディングボックス情報を推定するフレームワークを提案する。
論文 参考訳（メタデータ） (2021-03-12T15:30:02Z) - Kinematic 3D Object Detection in Monocular Video [123.7119180923524]
運動運動を注意深く利用して3次元位置決めの精度を向上させるモノクロ映像を用いた3次元物体検出法を提案する。
我々は、KITTI自動運転データセット内のモノクロ3次元物体検出とバードアイビュータスクの最先端性能を達成する。
論文 参考訳（メタデータ） (2020-07-19T01:15:12Z)
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。