論文の概要: A Survey on Video Action Recognition in Sports: Datasets, Methods and Applications

• arxiv url: http://arxiv.org/abs/2206.01038v1
• Date: Thu, 2 Jun 2022 13:19:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-03 13:51:38.272455
• Title: A Survey on Video Action Recognition in Sports: Datasets, Methods and Applications
• Title（参考訳）: スポーツにおける映像行動認識に関する調査:データセット,方法,応用
• Authors: Fei Wu, Qingzhong Wang, Jian Bian, Haoyi Xiong, Ning Ding, Feixiang Lu, Jun Cheng and Dejing Dou
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 60.3327085463545
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To understand human behaviors, action recognition based on videos is a common approach. Compared with image-based action recognition, videos provide much more information. Reducing the ambiguity of actions and in the last decade, many works focused on datasets, novel models and learning approaches have improved video action recognition to a higher level. However, there are challenges and unsolved problems, in particular in sports analytics where data collection and labeling are more sophisticated, requiring sport professionals to annotate data. In addition, the actions could be extremely fast and it becomes difficult to recognize them. Moreover, in team sports like football and basketball, one action could involve multiple players, and to correctly recognize them, we need to analyse all players, which is relatively complicated. In this paper, we present a survey on video action recognition for sports analytics. We introduce more than ten types of sports, including team sports, such as football, basketball, volleyball, hockey and individual sports, such as figure skating, gymnastics, table tennis, tennis, diving and badminton. Then we compare numerous existing frameworks for sports analysis to present status quo of video action recognition in both team sports and individual sports. Finally, we discuss the challenges and unsolved problems in this area and to facilitate sports analytics, we develop a toolbox using PaddlePaddle, which supports football, basketball, table tennis and figure skating action recognition.
• Abstract（参考訳）: 人間の行動を理解するためには、ビデオに基づく行動認識が一般的である。 画像に基づくアクション認識と比較すると、ビデオはより多くの情報を提供する。 アクションの曖昧さを減らし、過去10年間、データセット、新しいモデル、学習アプローチに焦点を当てた多くの作品が、ビデオアクション認識をより高いレベルに改善した。 しかし、特にデータ収集とラベル付けがより洗練されており、スポーツ専門家がデータに注釈を付ける必要があるスポーツ分析において、課題と未解決の問題がある。 さらに、アクションは非常に高速で、それらを認識することが困難になる可能性がある。 さらに,サッカーやバスケットボールなどのチームスポーツでは,複数の選手が参加し,その選手を正しく認識するためには,比較的複雑であるすべての選手を分析する必要がある。 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,個人スポーツ,フィギュアスケート,体操,卓球,テニス,ダイビング,バドミントンなど,10種以上のスポーツを導入する。 次に、スポーツ分析のための既存のフレームワークと、チームスポーツと個人スポーツの両方におけるビデオアクション認識の現状を比較した。 最後に、この分野における課題と未解決の問題について議論し、スポーツ分析を容易にするために、サッカー、バスケットボール、卓球、フィギュアスケートアクション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。

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)
• Towards Active Learning for Action Spotting in Association Football Videos [59.84375958757395]
  フットボールビデオの分析は困難であり、微妙で多様な時間的パターンを特定する必要がある。 現在のアルゴリズムは、限られた注釈付きデータから学ぶ際に大きな課題に直面している。 次にアノテートすべき最も情報に富んだビデオサンプルを選択する能動的学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-09T11:50:41Z)
• 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 Comprehensive Review of Computer Vision in Sports: Open Issues, Future Trends and Research Directions [3.138976077182707]
  本稿では,スポーツ映像解析の高レベル分析への応用について概説する。 選手の検出と分類、スポーツにおける選手またはボールの追跡、選手またはボールの軌跡の予測、チームの戦略の認識、スポーツにおける様々なイベントの分類が含まれる。
  論文  参考訳（メタデータ） (2022-03-03T07:49:21Z)
• Sports Video: Fine-Grained Action Detection and Classification of Table Tennis Strokes from Videos for MediaEval 2021 [0.0]
  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。
  論文  参考訳（メタデータ） (2021-12-16T10:17:59Z)
• 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)
• Game Plan: What AI can do for Football, and What Football can do for AI [83.79507996785838]
  予測的および規範的フットボール分析は、統計学習、ゲーム理論、コンピュータビジョンの交差点における新たな発展と進歩を必要とする。 フットボール分析は、サッカー自体のゲームを変えるだけでなく、この領域がAIの分野で何を意味するのかという観点からも、非常に価値の高いゲームチェンジャーであることを示す。
  論文  参考訳（メタデータ） (2020-11-18T10:26:02Z)

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。