論文の概要: Observation Centric and Central Distance Recovery on Sports Player
Tracking
- arxiv url: http://arxiv.org/abs/2209.13154v1
- Date: Tue, 27 Sep 2022 04:48:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-28 15:33:59.167246
- Title: Observation Centric and Central Distance Recovery on Sports Player
Tracking
- Title（参考訳）: スポーツ選手追跡における観察中心と中心距離の回復
- Authors: Hsiang-Wei Huang, Cheng-Yen Yang, Jenq-Neng Hwang, Pyong-Kun Kim,
Kwangju Kim, Kyoungoh Lee
- Abstract要約: 本稿では,バスケットボール,サッカー,バレーボールを含む3つのスポーツを対象とした,モーションベースのトラッキングアルゴリズムと3つのポストプロセッシングパイプラインを提案する。
本手法は,2022年のSportsmotワークショップ最終リーダーボードで3位にランクインした73.968のHOTAを達成した。
- 参考スコア（独自算出の注目度）: 24.396926939889532
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-Object Tracking over humans has improved rapidly with the development
of object detection and re-identification. However, multi-actor tracking over
humans with similar appearance and nonlinear movement can still be very
challenging even for the state-of-the-art tracking algorithm. Current
motion-based tracking algorithms often use Kalman Filter to predict the motion
of an object, however, its linear movement assumption can cause failure in
tracking when the target is not moving linearly. And for multi-players tracking
over the sports field, because the players in the same team are usually wearing
the same color of jersey, making re-identification even harder both in the
short term and long term in the tracking process. In this work, we proposed a
motionbased tracking algorithm and three post-processing pipelines for three
sports including basketball, football, and volleyball, we successfully handle
the tracking of the non-linear movement of players on the sports fields.
Experiments result on the testing set of ECCV DeeperAction Challenge SportsMOT
Dataset demonstrate the effectiveness of our method, which achieves a HOTA of
73.968, ranking 3rd place on the 2022 Sportsmot workshop final leaderboard.
- Abstract（参考訳）: 物体検出と再同定の開発により,人間による多物体追跡が急速に向上した。
しかし、類似した外観と非線形運動を持つ人間に対するマルチアクター追跡は、最先端の追跡アルゴリズムでさえも非常に困難である。
現在の動きに基づく追跡アルゴリズムは、しばしばカルマンフィルタを用いて物体の動きを予測するが、その線形運動仮定は、目標が線形に動かないときに追跡に失敗する。
また、同じチームの選手は通常同じ色のジャージを着ているため、スポーツフィールドを追跡するマルチプレイヤーにとっては、短期的にも長期的にも再識別が難しくなる。
本研究では,バスケットボール,サッカー,バレーボールの3つのスポーツを対象とした動きに基づく追跡アルゴリズムと3つのポストプロセッシングパイプラインを提案し,競技場における選手の非線形運動の追跡をうまく処理した。
実験の結果,ECCV DeeperAction Challenge SportsMOT Datasetは,2022年のSportsmotワークショップの最終リーダーボードで3位となる73.968のHOTAを達成し,本手法の有効性を実証した。
関連論文リスト
- TrackNetV4: Enhancing Fast Sports Object Tracking with Motion Attention Maps [6.548400020461624]
本研究では,高次視覚特徴と学習可能な運動注意マップを融合させることにより,トラックネットファミリーの強化を実現する。
提案手法は,移動プロンプト層によって変調されたフレーム差分マップを利用して,時間とともに重要な動き領域をハイライトする。
我々は、既存のTrackNet上に構築された軽量のプラグイン・アンド・プレイソリューションをTrackNetV4と呼びます。
論文 参考訳（メタデータ） (2024-09-22T17:58:09Z) - The 8th AI City Challenge [57.25825945041515]
2024年版では5トラックが収録され、47か国と地域の726チームから前例のない関心を集めた。
このチャレンジでは、2つのリーダーボードを使ってメソッドを展示し、参加者は新しいベンチマークを設定した。
論文 参考訳（メタデータ） (2024-04-15T03:12:17Z) - SoccerNet 2023 Tracking Challenge -- 3rd place MOT4MOT Team Technical
Report [0.552480439325792]
SoccerNet 2023の追跡課題は、サッカー選手とボールの検出と追跡を必要とする。
我々は、現在最先端のオンラインマルチオブジェクトトラッカーと、現代のオブジェクト検出装置をプレイヤー追跡に使用しています。
提案手法は, HOTAスコア66.27で, SoccerNet 2023の3位を獲得した。
論文 参考訳（メタデータ） (2023-08-31T11:51:16Z) - Iterative Scale-Up ExpansionIoU and Deep Features Association for
Multi-Object Tracking in Sports [26.33239898091364]
本稿では,スポーツシナリオに対するDeep ExpansionIoU (Deep-EIoU) という,オンラインかつ堅牢な多対象追跡手法を提案する。
従来の手法とは異なり、カルマンフィルタの使用を放棄し、スポーツシナリオにおける拡張IoUの反復的なスケールアップと深い特徴を活用して、ロバストなトラッキングを行う。
提案手法は,SportsMOTデータセットで77.2%,SportsNet-Trackingデータセットで85.4%を達成し,不規則な動き物体の追跡に顕著な効果を示した。
論文 参考訳（メタデータ） (2023-06-22T17:47:08Z) - ByteTrackV2: 2D and 3D Multi-Object Tracking by Associating Every
Detection Box [81.45219802386444]
マルチオブジェクトトラッキング(MOT)は、ビデオフレーム間のオブジェクトのバウンディングボックスとIDを推定することを目的としている。
低スコア検出ボックス内の真のオブジェクトをマイニングするための階層型データアソシエーション戦略を提案する。
3次元のシナリオでは、トラッカーが世界座標の物体速度を予測するのがずっと簡単である。
論文 参考訳（メタデータ） (2023-03-27T15:35:21Z) - SportsTrack: An Innovative Method for Tracking Athletes in Sports Scenes [14.901600628787351]
SportsMOTコンペティションは、バスケットボールやサッカーなど、さまざまなスポーツシーンのアスリートの複数の物体追跡を解決することを目的としている。
これまでのMOT法は、選手の高品質な足跡と十分に一致しない。
我々はSportsTrackという革新的なトラッカーを導入し、検出によるトラッキングを検知パラダイムとして活用する。
我々はECCV 2022 DeepAction SportsMOTコンペティションで上位1位(76.264 HOTA)に達した。
論文 参考訳（メタデータ） (2022-11-14T08:09:38Z) - Graph-Based Multi-Camera Soccer Player Tracker [1.6244541005112743]
本稿では,サッカー場周辺に設置した複数のキャリブレーションカメラから,長撮影映像記録におけるサッカー選手の追跡を目的としたマルチカメラ追跡手法を提案する。
カメラとの距離が大きいため、個々のプレイヤーを視覚的に区別することは困難であり、従来のソリューションの性能に悪影響を及ぼす。
本手法は,各プレイヤーのダイナミクスと周辺プレイヤー間の相互作用に着目し,トラッキング性能の向上を図る。
論文 参考訳（メタデータ） (2022-11-03T20:01:48Z) - 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) - Unsupervised Learning of Accurate Siamese Tracking [68.58171095173056]
分類枝と回帰枝の両方で時間対応を学習できる新しい教師なし追跡フレームワークを提案する。
トラッカーは、トラッカーネットやLaSOTのような大規模データセット上で、教師なしの手法と同等の性能を発揮する。
論文 参考訳（メタデータ） (2022-04-04T13:39:43Z) - Learning to Track Objects from Unlabeled Videos [63.149201681380305]
本稿では,Unsupervised Single Object Tracker (USOT) をスクラッチから学習することを提案する。
教師なしトラッカーと教師なしトラッカーのギャップを狭めるために,3段階からなる効果的な教師なし学習手法を提案する。
実験の結果、未ラベルのビデオから得られたUSOTは、最先端の教師なしトラッカーよりも大きなマージンでうまく機能していることがわかった。
論文 参考訳（メタデータ） (2021-08-28T22:10:06Z) - Probabilistic Tracklet Scoring and Inpainting for Multiple Object
Tracking [83.75789829291475]
本稿では,トラックレット提案の確率的自己回帰運動モデルを提案する。
これは、我々のモデルを訓練して、自然のトラックレットの基盤となる分布を学習することで達成される。
我々の実験は、挑戦的なシーケンスにおける物体の追跡におけるアプローチの優位性を実証している。
論文 参考訳（メタデータ） (2020-12-03T23:59:27Z)
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。