論文の概要: Sports Re-ID: Improving Re-Identification Of Players In Broadcast Videos
Of Team Sports
- arxiv url: http://arxiv.org/abs/2206.02373v1
- Date: Mon, 6 Jun 2022 06:06:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-07 16:13:49.460872
- Title: Sports Re-ID: Improving Re-Identification Of Players In Broadcast Videos
Of Team Sports
- Title（参考訳）: Sports Re-ID: チームスポーツのブロードキャストビデオにおける選手の再認識を改善する
- Authors: Bharath Comandur
- Abstract要約: 本研究は、チームスポーツの放送ビデオにおけるプレイヤーの再識別に焦点を当てている。
具体的には、試合の特定の瞬間に異なるカメラ視点から撮影された画像において、同じプレイヤーを特定することに焦点を当てる。
- 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: This work focuses on player re-identification in broadcast videos of team
sports. Specifically, we focus on identifying the same player in images
captured from different camera viewpoints during any given moment of a match.
This task differs from traditional applications of person re-id in a few
important ways. Firstly, players from the same team wear highly similar
clothes, thereby making it harder to tell them apart. Secondly, there are only
a few number of samples for each identity, which makes it harder to train a
re-id system. Thirdly, the resolutions of the images are often quite low and
vary a lot. This combined with heavy occlusions and fast movements of players
greatly increase the challenges for re-id. In this paper, we propose a simple
but effective hierarchical data sampling procedure and a centroid loss function
that, when used together, increase the mean average precision (mAP) by 7 - 11.5
and the rank-1 (R1) by 8.8 - 14.9 without any change in the network or
hyper-parameters used. Our data sampling procedure improves the similarity of
the training and test distributions, and thereby aids in creating better
estimates of the centroids of the embeddings (or feature vectors).
Surprisingly, our study shows that in the presence of severely limited data, as
is the case for our application, a simple centroid loss function based on
euclidean distances significantly outperforms the popular triplet-centroid loss
function. We show comparable improvements for both convolutional networks and
vision transformers. Our approach is among the top ranked methods in the
SoccerNet Re-Identification Challenge 2022 leaderboard (test-split) with a mAP
of 86.0 and a R1 of 81.5. On the sequestered challenge split, we achieve an mAP
of 84.9 and a R1 of 80.1. Research on re-id for sports-related applications is
very limited and our work presents one of the first discussions in the
literature on this.
- Abstract（参考訳）: この作品は、チームスポーツの放送ビデオにおけるプレイヤーの再識別に焦点を当てている。
具体的には、試合中の任意の瞬間に異なるカメラの視点から撮影された画像から、同じプレイヤーを特定することに集中する。
このタスクは、いくつかの重要な方法でperson re-idの従来のアプリケーションとは異なる。
まず、同じチームの選手が非常によく似た服を着ることから、区別が困難になる。
第二に、アイデンティティごとにサンプルが数個しかないため、re-idシステムのトレーニングが難しくなる。
第3に、画像の解像度は非常に低く、多くのバリエーションがある。
これと重度のオクルージョンとプレイヤーの速い動きが組み合わさって、再識別の課題を大きく増やした。
本稿では,ネットワークやハイパーパラメータを変更することなく,平均平均値(mAP)を7～11.5倍,ランク-1(R1)を8.8～14.9倍に向上させる,単純だが効果的な階層型データサンプリング手法とセントロイド損失関数を提案する。
我々のデータサンプリング手法は、トレーニングとテストの分布の類似性を改善し、埋め込み(または特徴ベクトル)のセントロイドのより良い見積もりを作成するのに役立つ。
驚くべきことに,本研究の応用例と同様に,非常に制限されたデータが存在する場合,ユークリッド距離に基づく単純な遠心損失関数は,人気のある三重項損失関数を大きく上回っている。
畳み込みネットワークと視覚変換器の両面で同等の改善を示す。
我々のアプローチは、86.0のmAPとR1の81.5のR1を持つ2022年のリーダーボード(テストスプリット)において、トップクラスの手法のひとつです。
分離された課題分割では、mAP 84.9 と R1 850.1 を達成する。
スポーツ関連アプリケーションに対するre-idの研究は非常に限定的であり,本研究は文献における最初の議論の1つである。
関連論文リスト
- Domain-Guided Masked Autoencoders for Unique Player Identification [62.87054782745536]
マスク付きオートエンコーダ (MAE) は, 従来の特徴抽出器よりも優れた代替手段として出現している。
人間の視覚に触発され、我々はd-MAEと呼ばれるMAEのための新しいドメイン誘導マスキングポリシーを考案した。
3つの大規模スポーツデータセットの実験を行った。
論文 参考訳（メタデータ） (2024-03-17T20:14:57Z) - AaP-ReID: Improved Attention-Aware Person Re-identification [2.5761958263376745]
AaP-ReIDは、ResNetベースのアーキテクチャにチャネルの注意を組み込む、より効果的な人物ReIDの手法である。
提案手法は,Channel-Wise Attention Bottleneckブロックを組み込んで,特徴マップにおけるChannel-Wise Attention Bottleneckブロックの重要性を動的に調整することで特徴を識別することができる。
論文 参考訳（メタデータ） (2023-09-27T16:54:38Z) - CLIP-ReIdent: Contrastive Training for Player Re-Identification [0.0]
事前学習したCLIPモデルのゼロショット性能をプレイヤー再識別領域に転送できるかどうかを検討する。
これまでの研究とは異なり、私たちのアプローチは完全にクラスに依存しず、大規模な事前トレーニングの恩恵を受けています。
論文 参考訳（メタデータ） (2023-03-21T13:55:27Z) - 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) - D$^{\bf{3}}$: Duplicate Detection Decontaminator for Multi-Athlete
Tracking in Sports Videos [44.027619577289144]
重複検出は、1フレーム内の複数の検出ボックスによって、同一選手の閉塞誤報として、新しく正確に定義される。
この問題に対処するために、トレーニング用のトランスフォーマーベースの検出デコンタミネータ(D$3$)と、マッチングのための特定のアルゴリズムRally-Hungarian(RH)を慎重に設計する。
我々のモデルはバレーボールビデオのみで訓練されており、MATのバスケットボールやサッカービデオに直接適用することができる。
論文 参考訳（メタデータ） (2022-09-25T15:46:39Z) - On the Unreasonable Effectiveness of Centroids in Image Retrieval [0.1933681537640272]
本稿では,トレーニングと検索の両方において,平均セントロイド表現を用いることを提案する。
各クラスは単一の埋め込み – クラスセントロイド – で表現されるため、検索時間とストレージ要件の両方が大幅に削減される。
論文 参考訳（メタデータ） (2021-04-28T08:57:57Z) - Camera-aware Proxies for Unsupervised Person Re-Identification [60.26031011794513]
本稿では、アノテーションを必要としない純粋に教師なしの人物識別(Re-ID)問題に取り組む。
各クラスタを複数のプロキシに分割し、それぞれのプロキシが同じカメラからのインスタンスを表すことを提案する。
カメラ認識プロキシに基づいて、カメラ内およびカメラ間コントラスト学習コンポーネントをre-idモデル用に設計する。
論文 参考訳（メタデータ） (2020-12-19T12:37:04Z) - Unsupervised Pre-training for Person Re-identification [90.98552221699508]
大規模無ラベル人物再識別(Re-ID)データセットLUPersonを提案する。
学習者のRe-ID特徴表現の一般化能力を向上させるために,教師なし事前学習を初めて行おうとする。
論文 参考訳（メタデータ） (2020-12-07T14:48:26Z) - Unsupervised Temporal Feature Aggregation for Event Detection in
Unstructured Sports Videos [10.230408415438966]
任意のカメラアングルを持つ非構造化環境を対象としたスポーツビデオにおけるイベント検出事例について検討した。
我々は、非構造化設定におけるプレイヤーの教師なし識別と、任意の射撃角度によるバリエーションを示すために訓練されたモデルの一般化の2つの主要な問題を同定し、解決する。
論文 参考訳（メタデータ） (2020-02-19T10:24:22Z) - Intra-Camera Supervised Person Re-Identification [87.88852321309433]
本稿では,カメラごとの個人識別アノテーションに基づく新しい人物識別パラダイムを提案する。
これにより、最も時間がかかり、面倒なカメラ間IDラベリングプロセスがなくなる。
MATE(Multi-tAsk mulTi-labEl)Deep Learning method for intra-Camera Supervised (ICS) person re-id。
論文 参考訳（メタデータ） (2020-02-12T15:26:33Z) - Rethinking the Distribution Gap of Person Re-identification with
Camera-based Batch Normalization [90.9485099181197]
本稿では,従来のReID手法の動作機構を再考する。
我々は、すべてのカメラの画像データを同じ部分空間に落とすように強制する。
幅広いReIDタスクの実験は、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2020-01-23T17:22:34Z)
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。