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

• Enhancing Soccer Camera Calibration Through Keypoint Exploitation [0.0]
  本稿では,高品質な点対を得るという課題に対処する多段階パイプラインを提案する。 本手法は,直線交点や直線-円錐交点,円錐上の点,その他の幾何学的特徴を活用することにより,校正に利用できる点の数を大幅に増加させる。 我々は,サッカー放送カメラのキャリブレーション・データセットの最大化について検討し,サッカーネットカメラチャレンジ2023でトップの地位を確保した。
  論文  参考訳（メタデータ） (2024-10-09T20:01:14Z)
• A Universal Protocol to Benchmark Camera Calibration for Sports [6.011159943695013]
  スポーツ分析におけるカメラキャリブレーションのための新しいベンチマークプロトコルを提案する。 本プロトコルは,カメラキャリブレーション手法の公平な評価を提供する。 私たちは、高い精度のスポーツアプリケーションのためのカメラキャリブレーションの新しいステージを開拓したいと考えています。
  論文  参考訳（メタデータ） (2024-04-15T14:03:31Z)
• PnLCalib: Sports Field Registration via Points and Lines Optimization [16.278222277579655]
  放送されたスポーツビデオのカメラキャリブレーションは、正確なスポーツフィールドの登録に多くの課題をもたらす。 従来の検索ベースの手法は初期カメラのポーズ推定に依存しており、非標準位置で苦労する可能性がある。 本稿では,3次元サッカー場モデルと予め定義されたキーポイントのセットを利用して,これらの制限を克服する最適化に基づくキャリブレーションパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-04-12T11:15:15Z)
• Deep Learning for Camera Calibration and Beyond: A Survey [100.75060862015945]
  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)
• 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。