論文の概要: SoccerCPD: Formation and Role Change-Point Detection in Soccer Matches Using Spatiotemporal Tracking Data

• arxiv url: http://arxiv.org/abs/2206.10926v2
• Date: Mon, 12 Jun 2023 08:19:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-14 02:49:19.784173
• Title: SoccerCPD: Formation and Role Change-Point Detection in Soccer Matches Using Spatiotemporal Tracking Data
• Title（参考訳）: サッカーCPD:時空間追跡データを用いたサッカーマッチの生成と役割変化点検出
• Authors: Hyunsung Kim, Bit Kim, Dongwook Chung, Jinsung Yoon, Sang-Ki Ko
• Abstract要約: サッカーCPDは、戦術的に意図された形成と役割の変化を、サッカーの試合における一時的な変化と区別する、変化点検出フレームワークである。 本手法は,戦術的変化点を正確に検出し,セグメントごとの生成と役割割り当てを推定する。
• 参考スコア（独自算出の注目度）: 18.884300680050316
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In fluid team sports such as soccer and basketball, analyzing team formation is one of the most intuitive ways to understand tactics from domain participants' point of view. However, existing approaches either assume that team formation is consistent throughout a match or assign formations frame-by-frame, which disagree with real situations. To tackle this issue, we propose a change-point detection framework named SoccerCPD that distinguishes tactically intended formation and role changes from temporary changes in soccer matches. We first assign roles to players frame-by-frame and perform two-step change-point detections: (1) formation change-point detection based on the sequence of role-adjacency matrices and (2) role change-point detection based on the sequence of role permutations. The evaluation of SoccerCPD using the ground truth annotated by domain experts shows that our method accurately detects the points of tactical changes and estimates the formation and role assignment per segment. Lastly, we introduce practical use-cases that domain participants can easily interpret and utilize.
• Abstract（参考訳）: サッカーやバスケットボールのような流動的なチームスポーツでは、チーム形成の分析は、ドメイン参加者の視点から戦術を理解する最も直感的な方法の1つです。 しかし、既存のアプローチでは、チーム構成がマッチ全体を通して一貫していると仮定するか、フレーム単位で構成を割り当てる。 そこで本研究では,サッカーの一時的な変化から戦術的に意図された形成と役割変化を区別する,サッカーcpdと呼ばれる変化点検出フレームワークを提案する。 まず,プレーヤのフレーム単位にロールを割り当て,(1)ロールアジャクシー行列のシーケンスに基づくフォーメーションチェンジポイント検出,(2)ロール順列に基づくロールチェンジポイント検出という2段階のチェンジポイント検出を行う。 ドメインエキスパートがアノテートした基底的真理を用いたサッカーcpdの評価により,本手法は戦術的変化点を正確に検出し,セグメント毎の形成と役割割り当てを推定する。 最後に、ドメイン参加者が容易に解釈し利用できる実用的なユースケースを紹介します。

関連論文リスト

• Mean Teacher DETR with Masked Feature Alignment: A Robust Domain Adaptive Detection Transformer Framework [41.998727427261734]
  平均教師に基づく2段階特徴アライメント法は、事前訓練段階と自己学習段階とからなる。 事前訓練段階では,画像スタイルの転送によって生成されたラベル付きターゲットライクな画像を用いて,性能変動を回避する。 自己学習の段階では、平均教師に基づく擬似ラベルによるラベル付き対象画像を活用する。
  論文  参考訳（メタデータ） (2023-10-24T09:07:47Z)
• TacticAI: an AI assistant for football tactics [41.74699109772055]
  TacticAIは、リバプールFCのドメインエキスパートと緊密に協力して開発されたAIフットボール戦術アシスタントである。 介入や改善の最も直接的な機会をコーチに提供するため、コーナーキックの分析に重点を置いています。 我々は、戦術のモデル提案が実際の戦術と区別できないだけでなく、当時の既存の戦術よりも有利であることを示す。
  論文  参考訳（メタデータ） (2023-10-16T16:25:15Z)
• Advanced Volleyball Stats for All Levels: Automatic Setting Tactic Detection and Classification with a Single Camera [15.032833555418314]
  バレーボールの試合における戦略分類の設定に特化して設計された2つの新しいエンドツーエンドコンピュータビジョンフレームワークを提案する。 本フレームワークは,ボール軌跡認識と新しいセット軌跡分類器を組み合わせることで,包括的・高度な統計データを生成する。 本システムでは,実時間展開が可能であり,ゲーム内戦略分析やスポット内ゲームプランの調整が可能である。
  論文  参考訳（メタデータ） (2023-09-26T08:29:02Z)
• Homomorphism Autoencoder -- Learning Group Structured Representations from Observed Transitions [51.71245032890532]
  本研究では,世界に作用するエージェントが,それを修飾する動作と整合した感覚情報の内部表現を学習できるようにする手法を提案する。 既存の作業とは対照的に、我々のアプローチはグループの事前の知識を必要とせず、エージェントが実行可能なアクションのセットを制限しない。
  論文  参考訳（メタデータ） (2022-07-25T11:22:48Z)
• One-Class Knowledge Distillation for Face Presentation Attack Detection [53.30584138746973]
  本稿では,一級ドメイン適応による対面PADのクロスドメイン性能向上のための教師学生フレームワークを提案する。 学生ネットワークは、教師ネットワークを模倣し、ターゲットドメインの真の顔サンプルの類似した表現を学ぶために訓練される。 テストフェーズでは、教師と学生ネットワークの表現の類似度スコアを用いて、真の攻撃と区別する。
  論文  参考訳（メタデータ） (2022-05-08T06:20:59Z)
• Learning to Transfer Role Assignment Across Team Sizes [48.43860606706273]
  チーム規模で役割の割り当てと移譲を学ぶためのフレームワークを提案する。 ロールベースの信用割当構造を再利用することで、より大きな強化学習チームの学習プロセスが促進されることを示す。
  論文  参考訳（メタデータ） (2022-04-17T11:22:01Z)
• Point-Level Region Contrast for Object Detection Pre-Training [147.47349344401806]
  本稿では,物体検出作業のための自己教師付き事前学習手法である点レベル領域コントラストを提案する。 提案手法は,異なる領域から個々の点対を直接抽出することにより,コントラスト学習を行う。 領域ごとの集約表現と比較すると,入力領域の品質の変化に対して,我々のアプローチはより堅牢である。
  論文  参考訳（メタデータ） (2022-02-09T18:56:41Z)
• Advancing Methodology for Social Science Research Using Alternate Reality Games: Proof-of-Concept Through Measuring Individual Differences and Adaptability and their impact on Team Performance [8.680283375719466]
  オープンな問題に取り組む作業について、個人差とチーム適応への影響を理解することに焦点を当てて論じる。 具体的には,調査データと行動データを拡張する手法に関して,我々の貢献を具体的に論じる。 この問題をより難易度の高いものにするために、私たちは特定の種類の環境、Alternate Reality Games(ARGs)に注力することにしました。
  論文  参考訳（メタデータ） (2021-06-25T16:22:22Z)
• Cross-domain Imitation from Observations [50.669343548588294]
  模擬学習は、専門家の行動を利用して訓練エージェントに適切な報酬関数を設計することの難しさを回避しようとする。 本稿では,専門家とエージェントMDPの相違点が存在する場合に,タスクを模倣する方法の問題について検討する。 このようなドメイン間の対応を学習するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-20T21:08:25Z)
• Cross-domain Face Presentation Attack Detection via Multi-domain Disentangled Representation Learning [109.42987031347582]
  顔提示攻撃検出(PAD)は,顔認識システムにおいて緊急に解決すべき課題である。 クロスドメイン顔PADのための効率的な非交叉表現学習を提案する。 我々のアプローチは、不整合表現学習(DR-Net)とマルチドメイン学習(MD-Net)からなる。
  論文  参考訳（メタデータ） (2020-04-04T15:45:14Z)

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。