論文の概要: Towards cumulative race time regression in sports: I3D ConvNet transfer
learning in ultra-distance running events
- arxiv url: http://arxiv.org/abs/2208.11191v1
- Date: Tue, 23 Aug 2022 20:53:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-25 12:41:41.804435
- Title: Towards cumulative race time regression in sports: I3D ConvNet transfer
learning in ultra-distance running events
- Title（参考訳）: スポーツにおける累積レースタイムレグレッションに向けて:超長距離ランニングイベントにおけるI3D ConvNet転送学習
- Authors: David Freire-Obreg\'on, Javier Lorenzo-Navarro, Oliverio J. Santana,
Daniel Hern\'andez-Sosa, Modesto Castrill\'on-Santana
- Abstract要約: 本稿では,わずか数秒の映像を入力として,超距離ランナー累積レースタイム(CRT)の回帰を提案する。
得られたニューラルネットワークは、短い入力映像に対して顕著な性能を提供できることを示す。
- 参考スコア（独自算出の注目度）: 1.4859458229776121
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Predicting an athlete's performance based on short footage is highly
challenging. Performance prediction requires high domain knowledge and enough
evidence to infer an appropriate quality assessment. Sports pundits can often
infer this kind of information in real-time. In this paper, we propose
regressing an ultra-distance runner cumulative race time (CRT), i.e., the time
the runner has been in action since the race start, by using only a few seconds
of footage as input. We modified the I3D ConvNet backbone slightly and trained
a newly added regressor for that purpose. We use appropriate pre-processing of
the visual input to enable transfer learning from a specific runner. We show
that the resulting neural network can provide a remarkable performance for
short input footage: 18 minutes and a half mean absolute error in estimating
the CRT for runners who have been in action from 8 to 20 hours. Our methodology
has several favorable properties: it does not require a human expert to provide
any insight, it can be used at any moment during the race by just observing a
runner, and it can inform the race staff about a runner at any given time.
- Abstract（参考訳）: 短い映像に基づいてアスリートのパフォーマンスを予測することは非常に難しい。
パフォーマンス予測には、高いドメイン知識と適切な品質評価を推測するための十分な証拠が必要である。
スポーツ評論家はしばしばこの種の情報をリアルタイムで推測することができる。
本稿では,レース開始からわずか数秒の映像を入力として,超長距離ランナーの累積レースタイム(crt)を回帰させる手法を提案する。
我々はI3D ConvNetのバックボーンを少し修正し、その目的のために新たに追加された回帰器をトレーニングしました。
視覚入力の適切な前処理を使用して、特定のランナーからの学習を転送する。
18分半は、動作中のランナーのCRTを8時間から20時間で推定する絶対誤差を意味します。
提案手法は,人間の専門家がインサイトを提供する必要はなく,ランナーを観察するだけでレース中の任意の瞬間に使用でき,いつでもランナーについてレーススタッフに知らせることができる。
関連論文リスト
- Refining Pre-Trained Motion Models [56.18044168821188]
我々は、自己教師付きトレーニングによる最先端の教師付きモデルの改善に挑戦する。
実世界の未学習ビデオから「クリーン」な訓練信号を得ることに重点を置いている。
本研究では,本手法が実動画における完全教師付き手法よりも信頼性が高いことを示す。
論文 参考訳（メタデータ） (2024-01-01T18:59:33Z) - Towards Efficient Record and Replay: A Case Study in WeChat [24.659458527088773]
GUIレンダリング状態に基づいてイベント間時間を動的に調整する,ライトウェイトなイメージベースアプローチであるWeReplayを導入する。
評価の結果,WeChatアプリのGUIレンダリング状態を識別すると,92.1%の精度と93.3%のリコールが得られることがわかった。
論文 参考訳（メタデータ） (2023-08-13T01:02:00Z) - An X3D Neural Network Analysis for Runner's Performance Assessment in a
Wild Sporting Environment [1.4859458229776121]
本稿では,拡張型3D(X3D)ニューラルネットワークのスポーツ環境における伝達学習解析について述べる。
本手法は,スポーツ選手の累積レース時間を推定するために,行動品質評価手法にヒントを得て,行動認識ネットワークを用いた。
X3Dは最先端の性能を達成し、以前の作業よりも精度を向上するために約7倍のメモリを必要とする。
論文 参考訳（メタデータ） (2023-07-22T23:15:47Z) - 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) - Learning Neural Volumetric Representations of Dynamic Humans in Minutes [49.10057060558854]
本稿では,視覚的品質の競争力のある映像から,ダイナミックな人間のニューラルボリューム映像を学習するための新しい手法を提案する。
具体的には、ネットワークの表現力をよりよく人体に分散させるために、新しい部分ベースのボクセル化人間表現を定義する。
実験により,従来のシーンごとの最適化手法よりも100倍高速に学習できることが実証された。
論文 参考訳（メタデータ） (2023-02-23T18:57:01Z) - 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) - Decontextualized I3D ConvNet for ultra-distance runners performance
analysis at a glance [1.9573154231003194]
2021年5月、サイトRunnersworld.comは、過去23年間で超長距離レースへの参加が1,676%増加したと発表した。
約41%が年1回以上のレースに出場している。
本研究の目的は,超走行シナリオに着目した非侵襲的手法を考慮し,ランナーのパフォーマンスを定量化し,予測する方法を決定することである。
論文 参考訳（メタデータ） (2022-03-13T20:11:10Z) - Optimization Planning for 3D ConvNets [123.43419144051703]
3次元畳み込みニューラルネットワーク(3D ConvNets)を最適に学習するのは簡単ではない。
パスを一連のトレーニング“状態”に分解し、各状態におけるハイパーパラメータ、例えば学習率と入力クリップの長さを指定する。
我々は全ての候補状態に対して動的プログラミングを行い、最適な状態の置換、すなわち最適化経路を計画する。
論文 参考訳（メタデータ） (2022-01-11T16:13:31Z) - Learning to Run with Potential-Based Reward Shaping and Demonstrations
from Video Data [70.540936204654]
「走ることを学ぶ」競技は、二本足のヒューマノイドボディを最高速度で模擬レースコースで走るように訓練することであった。
すべての提出者は、強化学習(RL)へのタブラララサアプローチを採り入れ、比較的速いが最適な実行動作は得られなかった。
本研究では,人間のランニング映像から得られるデータを用いて,ヒューマノイド学習エージェントの報酬を形成できることを示す。
論文 参考訳（メタデータ） (2020-12-16T09:46:58Z) - RSPNet: Relative Speed Perception for Unsupervised Video Representation
Learning [100.76672109782815]
本研究では,未ラベル映像のみから動作特徴と外観特徴の両方を学習するための教師なし映像表現学習について検討する。
動作と外観の両方をうまくモデル化するために、適切な自己指導タスクを構築することは困難である。
再生速度を知覚し、2つのビデオクリップ間の相対速度をラベルとして利用するための新しい手法を提案する。
論文 参考訳（メタデータ） (2020-10-27T16:42:50Z)
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。