論文の概要: Evaluation of creating scoring opportunities for teammates in soccer via
trajectory prediction
- arxiv url: http://arxiv.org/abs/2206.01899v1
- Date: Sat, 4 Jun 2022 03:58:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-12 13:08:06.020415
- Title: Evaluation of creating scoring opportunities for teammates in soccer via
trajectory prediction
- Title（参考訳）: 軌道予測によるサッカーにおけるチームメイトの得点機会作成の評価
- Authors: Masakiyo Teranishi, Kazushi Tsutsui, Kazuya Takeda, Keisuke Fujii
- Abstract要約: 実際の動作と軌道予測による参照動作を比較することで,オフボールスコアリングの機会を創出する選手を評価する。
検証のために,プロサッカーリーグのチーム全試合の年間給与,ゴール,評価との関係を検討した。
提案手法は,ボールのない選手がチームメイトに得点率を与えるための指標として有効であることが示唆された。
- 参考スコア（独自算出の注目度）: 7.688133652295848
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Evaluating the individual movements for teammates in soccer players is
crucial for assessing teamwork, scouting, and fan engagement. It has been said
that players in a 90-min game do not have the ball for about 87 minutes on
average. However, it has remained difficult to evaluate an attacking player
without receiving the ball, and to reveal how movement contributes to the
creation of scoring opportunities for teammates. In this paper, we evaluate
players who create off-ball scoring opportunities by comparing actual movements
with the reference movements generated via trajectory prediction. First, we
predict the trajectories of players using a graph variational recurrent neural
network that can accurately model the relationship between players and predict
the long-term trajectory. Next, based on the difference in the modified
off-ball evaluation index between the actual and the predicted trajectory as a
reference, we evaluate how the actual movement contributes to scoring
opportunity compared to the predicted movement. For verification, we examined
the relationship with the annual salary, the goals, and the rating in the game
by experts for all games of a team in a professional soccer league in a year.
The results show that the annual salary and the proposed indicator correlated
significantly, which could not be explained by the existing indicators and
goals. Our results suggest the effectiveness of the proposed method as an
indicator for a player without the ball to create a scoring chance for
teammates.
- Abstract（参考訳）: サッカー選手のチームメイトに対する個人の動きを評価することは、チームワーク、スカウト、ファンエンゲージメントを評価する上で重要である。
90分試合の選手は平均87分ほどボールを持っていないと言われている。
しかし,ボールを受け取らずに攻撃選手を評価することは困難であり,チームメイトへの得点機会の創出にどう貢献するかを明らかにすることは困難である。
本稿では,実際の動作と軌道予測による参照動作を比較することで,オフボールスコアリングの機会を生み出す選手を評価する。
まず,プレイヤー間の関係を正確にモデル化し,長期経過を予測できるグラフ変動リカレントニューラルネットワークを用いて,プレイヤーの軌跡を予測する。
次に,実測軌跡と予測軌跡との修正オフボール評価指標の差を基準として,実際の動きが予測運動と比較して得点率にどのように寄与するかを評価する。
検証のために,プロサッカーリーグにおける1年以内のチームの全試合について,年間給与,目標,評価との関係について,専門家による検証を行った。
その結果,年収と提案指標は有意な相関関係を示し,既存の指標や目標では説明できなかった。
提案手法は,ボールのない選手にとって,チームメイトが得点する機会を創出するための指標としての有効性を示唆する。
関連論文リスト
- Bayes-xG: Player and Position Correction on Expected Goals (xG) using
Bayesian Hierarchical Approach [55.2480439325792]
本研究は, 期待目標(xG)測定値を用いて, 目標となるショットの予測における選手や位置要因の影響について検討した。
StatsBombの公開データを使って、イングランドのプレミアリーグから1万発のショットを分析している。
この研究は、スペインのラ・リガとドイツのブンデスリーガのデータに分析を拡張し、同等の結果を得た。
論文 参考訳（メタデータ） (2023-11-22T21:54:02Z) - Passing Heatmap Prediction Based on Transformer Model and Tracking Data [0.0]
本研究では,パスの潜在的な終端位置を予測できる新しいディープラーニングネットワークアーキテクチャを提案する。
28,000回以上のイベントを解析すると、0.7以上のTop-1精度で堅牢な予測が達成される。
また、この予測に基づいて、ピッチコントロールとパスオプションをよりよく理解することで、選手のオフボール運動が防御性能に与える影響を測定することができる。
論文 参考訳（メタデータ） (2023-09-04T11:14:22Z) - Understanding why shooters shoot -- An AI-powered engine for basketball
performance profiling [70.54015529131325]
バスケットボールは、プレイスタイルやゲームダイナミクスなど、多くの変数によって規定されている。
パフォーマンスプロファイルが様々なプレイスタイルを反映できることは重要です。
プレイヤのパフォーマンスプロファイルをタイムリーに可視化するツールを提案する。
論文 参考訳（メタデータ） (2023-03-17T01:13:18Z) - 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) - Valuing Players Over Time [0.0]
サッカー(またはアソシエーションフットボール)では、プレイヤーはすぐにヒーローからゼロへ、あるいは逆転する。
本稿では,I-VAEPモデルとO-VAEPモデルを紹介し,プレイヤーの意図と実行を評価する。
我々は、誰が最高のプレイヤーであり、そのパフォーマンスがどのように進化したかを示し、プレイヤーの一貫性を測定するためにボラティリティ指標を定義し、意思決定を支援するためにプレイヤー開発曲線を構築します。
論文 参考訳（メタデータ） (2022-09-08T15:36:16Z) - Explainable expected goal models for performance analysis in football
analytics [5.802346990263708]
本報告では,2014-15年と2020-21年の7シーズンから315,430発のショットをトレーニングした,欧州サッカーリーグのトップ5のゴールモデルを提案する。
我々の知る限りでは、この論文は、プロファイルを集約した説明可能な人工知能ツールの実用的な応用を実証した最初の論文である。
論文 参考訳（メタデータ） (2022-06-14T23:56:03Z) - SoccerNet-Tracking: Multiple Object Tracking Dataset and Benchmark in
Soccer Videos [62.686484228479095]
本稿では,各30の200列からなる複数物体追跡のための新しいデータセットを提案する。
データセットは、バウンディングボックスとトラックレットIDで完全に注釈付けされている。
分析の結果,サッカービデオにおける複数の選手,審判,ボール追跡が解決されるには程遠いことがわかった。
論文 参考訳（メタデータ） (2022-04-14T12:22:12Z) - Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。
提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。
次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
論文 参考訳（メタデータ） (2022-03-10T02:37:39Z) - "Why Would I Trust Your Numbers?" On the Explainability of Expected
Values in Soccer [5.825190876052149]
本稿では,ショットの期待値を推定する,説明可能な一般化付加モデルを提案する。
我々は、練習者が慣れ親しんだピッチ上の指定されたゾーンにショットをファジィに割り当てることで、ショットの位置を表現している。
実験により,我々のモデルは既存のモデルと同じくらい正確であり,サッカー実践者には説明し易いことがわかった。
論文 参考訳（メタデータ） (2021-05-27T10:05:00Z) - Evaluation of soccer team defense based on prediction models of ball
recovery and being attacked [0.8921166277011345]
本研究では,ボールの回復と攻撃の予測に基づいて,チーム防御を評価する手法を提案する。
45試合のデータを用いて,提案する指標とチームパフォーマンスの関係を検討した。
論文 参考訳（メタデータ） (2021-03-17T13:15:41Z) - 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。