論文の概要: Keypoint-less Camera Calibration for Sports Field Registration in Soccer
- arxiv url: http://arxiv.org/abs/2207.11709v1
- Date: Sun, 24 Jul 2022 10:31:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-26 14:43:18.864287
- Title: Keypoint-less Camera Calibration for Sports Field Registration in Soccer
- Title(参考訳): サッカーにおけるスポーツフィールド登録のためのキーポイントレスカメラキャリブレーション
- Authors: Jonas Theiner and Ralph Ewerth
- Abstract要約: セグメント対応からカメラのポーズと焦点距離を学習できる、微分可能な目的関数を導入する。
放送されたサッカー画像から3次元スポーツフィールドを登録するための新しい手法を提案する。
- 参考スコア(独自算出の注目度): 11.374200381593267
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sports field registration in broadcast videos is typically interpreted as the
task of homography estimation, which provides a mapping between a planar field
and the corresponding visible area of the image. In contrast to previous
approaches, we consider the task as a camera calibration problem. First, we
introduce a differentiable objective function that is able to learn the camera
pose and focal length from segment correspondences (e.g., lines, point clouds),
based on pixel-level annotations for segments of a known calibration object,
i.e., the sports field. The calibration module iteratively minimizes the
segment reprojection error induced by the estimated camera parameters. Second,
we propose a novel approach for 3D sports field registration from broadcast
soccer images. The calibration module does not require any training data and
compared to the typical solution, which subsequently refines an initial
estimation, our solution does it in one step. The proposed method is evaluated
for sports field registration on two datasets and achieves superior results
compared to two state-of-the-art approaches.
- Abstract(参考訳): 放送映像におけるスポーツフィールド登録は、通常、画像の平面フィールドと対応する可視領域のマッピングを提供するホモグラフィ推定のタスクとして解釈される。
従来のアプローチとは対照的に,この課題はカメラのキャリブレーション問題である。
まず、既知の校正対象のセグメントに対する画素レベルのアノテーション、すなわちスポーツフィールドに基づいて、セグメント対応(線、点雲など)からカメラのポーズと焦点長を学習できる微分可能な目的関数を導入する。
キャリブレーションモジュールは、推定カメラパラメータによって誘導されるセグメント再投射誤差を反復的に最小化する。
第2に,放送サッカー映像から3次元スポーツフィールド登録を行うための新しい手法を提案する。
キャリブレーションモジュールはトレーニングデータを一切必要とせず、典型的な解と比較して初期推定を洗練させるため、我々の解は1ステップで行う。
提案手法は,2つのデータセットのスポーツフィールド登録に対して評価され,最先端の2つのアプローチと比較して優れた結果が得られる。
関連論文リスト
- 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) - Deep Learning for Camera Calibration and Beyond: A Survey [104.36411095582947]
カメラキャリブレーションでは、キャプチャされたシーケンスから幾何学的特徴を推測するために、カメラパラメータを推定する。
近年の取り組みでは,手動キャリブレーションの繰り返し作業に代えて,学習ベースのソリューションが活用される可能性が示唆されている。
論文 参考訳(メタデータ) (2023-03-19T04:00:05Z) - Continuous-Time Gaussian Process Motion-Compensation for Event-vision
Pattern Tracking with Distance Fields [4.168157981135697]
本研究は,イベントカメラデータにおける動き補償とパターン追跡の問題に対処する。
提案手法は、追跡問題を局所的なSE(2)運動補償ステップに分解し、その後、小さな動き補償イベントバッチのホモグラフィー登録を行う。
我々のオープンソース実装は高精度な動作補償を行い、実世界のシナリオで高品質なトラックを生成する。
論文 参考訳(メタデータ) (2023-03-05T13:48:20Z) - Self-Supervised Camera Self-Calibration from Video [34.35533943247917]
汎用カメラモデルの効率的なファミリーを用いてシーケンスごとのキャリブレーションパラメータを回帰する学習アルゴリズムを提案する。
提案手法は,サブピクセル再投射誤差による自己校正を行い,他の学習手法よりも優れる。
論文 参考訳(メタデータ) (2021-12-06T19:42:05Z) - Attentive and Contrastive Learning for Joint Depth and Motion Field
Estimation [76.58256020932312]
単眼視システムからシーンの3次元構造とともにカメラの動きを推定することは複雑な作業である。
モノクロ映像からの3次元物体運動場推定のための自己教師付き学習フレームワークを提案する。
論文 参考訳(メタデータ) (2021-10-13T16:45:01Z) - Bridging the Gap between Events and Frames through Unsupervised Domain
Adaptation [57.22705137545853]
本稿では,ラベル付き画像とラベル付きイベントデータを用いてモデルを直接訓練するタスク転送手法を提案する。
生成イベントモデルを利用して、イベント機能をコンテンツとモーションに分割します。
われわれのアプローチは、イベントベースのニューラルネットワークのトレーニングのために、膨大な量の既存の画像データセットをアンロックする。
論文 参考訳(メタデータ) (2021-09-06T17:31:37Z) - Dynamic Event Camera Calibration [27.852239869987947]
最初の動的イベントカメラキャリブレーションアルゴリズムを提案する。
カメラとキャリブレーションパターンの間の相対的な動きで捉えたイベントから直接キャリブレーションする。
その結果, 得られたキャリブレーション法は, 10秒未満のデータ列から, 極めて有用かつ確実なキャリブレーションを行うことができた。
論文 参考訳(メタデータ) (2021-07-14T14:52:58Z) - Wide-Baseline Multi-Camera Calibration using Person Re-Identification [27.965850489928457]
本稿では,大規模広ベースシナリオのためのカメラネットワークの3次元ポーズ推定の問題に対処する。
現場の人々を「キーポイント」として扱い、異なるカメラビューに関連付けることは、対応を得るための代替方法である。
本手法ではまず,カメラ間で人間境界ボックスを関連付ける再ID法を用い,境界ボックス対応を点対応に変換する。
論文 参考訳(メタデータ) (2021-04-17T15:09:18Z) - DeepI2P: Image-to-Point Cloud Registration via Deep Classification [71.3121124994105]
DeepI2Pは、イメージとポイントクラウドの間のクロスモダリティ登録のための新しいアプローチです。
本手法は,カメラとライダーの座標フレーム間の相対的剛性変換を推定する。
登録問題を分類および逆カメラ投影最適化問題に変換することで難易度を回避する。
論文 参考訳(メタデータ) (2021-04-08T04:27:32Z) - Calibrated and Partially Calibrated Semi-Generalized Homographies [65.29477277713205]
視点と一般化カメラから半一般化ホモグラフィーを推定するための最初の最小解を提案する。
提案した解法は、多くの合成および実世界の実験で実証されたように安定かつ効率的である。
論文 参考訳(メタデータ) (2021-03-11T08:56:24Z) - Event-based Motion Segmentation with Spatio-Temporal Graph Cuts [51.17064599766138]
イベントベースカメラで取得したオブジェクトを独立に識別する手法を開発した。
この方法は、予想される移動物体の数を事前に決定することなく、技術状態よりも同等以上の性能を発揮する。
論文 参考訳(メタデータ) (2020-12-16T04:06:02Z)
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。