論文の概要: SportsTrack: An Innovative Method for Tracking Athletes in Sports Scenes
- arxiv url: http://arxiv.org/abs/2211.07173v1
- Date: Mon, 14 Nov 2022 08:09:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-15 18:32:56.275319
- Title: SportsTrack: An Innovative Method for Tracking Athletes in Sports Scenes
- Title（参考訳）: SportsTrack:スポーツシーンにおける選手追跡の革新的手法
- Authors: Jie Wang, Yuzhou Peng, Xiaodong Yang, Ting Wang, Yanming Zhang
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 14.901600628787351
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The SportsMOT competition aims to solve multiple object tracking of athletes
in different sports scenes such as basketball or soccer. The competition is
challenging because of the unstable camera view, athletes' complex trajectory,
and complicated background. Previous MOT methods can not match enough
high-quality tracks of athletes. To pursue higher performance of MOT in sports
scenes, we introduce an innovative tracker named SportsTrack, we utilize
tracking by detection as our detection paradigm. Then we will introduce a
three-stage matching process to solve the motion blur and body overlapping in
sports scenes. Meanwhile, we present another innovation point: one-to-many
correspondence between detection bboxes and crowded tracks to handle the
overlap of athletes' bodies during sports competitions. Compared to other
trackers such as BOT-SORT and ByteTrack, We carefully restored edge-lost tracks
that were ignored by other trackers. Finally, we reached the top 1 tracking
score (76.264 HOTA) in the ECCV 2022 DeepAction SportsMOT competition.
- Abstract（参考訳）: 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オブジェクト追跡を解決することを目的としている。
競技は、不安定なカメラビュー、アスリートの複雑な軌道、複雑な背景のために難しい。
これまでのmotの方法は、アスリートの質の高いトラックにはマッチしない。
スポーツシーンにおけるMOTの性能向上を図るため,SportsTrackと呼ばれる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出パラダイムとして活用する。
次に,スポーツシーンにおける動作のぼやけと身体重なりを解消する3段階マッチング手法を提案する。
一方,スポーツ競技における競技者の身体の重なりに対処するため,検出ボックスと混み合ったトラックの1対多対応が提案されている。
BOT-SORTやByteTrackのような他のトラッカーと比較して、他のトラッカーから無視されたエッジロストトラックを慎重に復元した。
最後に、ECCV 2022 DeepAction SportsMOTコンペティションで、上位1位(76.264 HOTA)に達した。
関連論文リスト
- 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) - The 7th AI City Challenge [87.23137854688389]
AIシティチャレンジの第7版では、コンピュータビジョンと人工知能の交差点にある2つのドメインを強調している。
2023年大会には5つのトラックがあり、46カ国508チームからの参加要請が過去最高となった。
参加チームのトップパフォーマンスは強いベースラインを確立し、提案されたチャレンジトラックで最先端の成績を上げました。
論文 参考訳（メタデータ） (2023-04-15T08:02:16Z) - SportsMOT: A Large Multi-Object Tracking Dataset in Multiple Sports
Scenes [44.46768991505495]
本稿では,emphSportsMOTと呼ばれる多種多様なスポーツシーンにおける大規模多目的追跡データセットを提案する。
240のビデオシーケンス、150Kフレーム以上、およびバスケットボール、バレーボール、サッカーを含む3つのスポーツカテゴリーから収集された1.6M以上のバウンディングボックスで構成されている。
本稿では,emphMixSortと呼ばれる新しい多対象追跡フレームワークを提案する。
論文 参考訳（メタデータ） (2023-04-11T12:07:31Z) - 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) - Observation Centric and Central Distance Recovery on Sports Player
Tracking [24.396926939889532]
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。
論文 参考訳（メタデータ） (2022-09-27T04:48:11Z) - D$^{\bf{3}}$: Duplicate Detection Decontaminator for Multi-Athlete
Tracking in Sports Videos [44.027619577289144]
重複検出は、1フレーム内の複数の検出ボックスによって、同一選手の閉塞誤報として、新しく正確に定義される。
この問題に対処するために、トレーニング用のトランスフォーマーベースの検出デコンタミネータ(D$3$)と、マッチングのための特定のアルゴリズムRally-Hungarian(RH)を慎重に設計する。
我々のモデルはバレーボールビデオのみで訓練されており、MATのバスケットボールやサッカービデオに直接適用することができる。
論文 参考訳（メタデータ） (2022-09-25T15:46:39Z) - A Survey on Video Action Recognition in Sports: Datasets, Methods and
Applications [60.3327085463545]
本稿では,スポーツ分析のための映像行動認識に関する調査を行う。
サッカー、バスケットボール、バレーボール、ホッケー、フィギュアスケート、体操、卓球、ダイビング、バドミントンなど10種以上のスポーツを紹介します。
本研究では,サッカー,バスケットボール,卓球,フィギュアスケート動作認識をサポートするPaddlePaddleを用いたツールボックスを開発した。
論文 参考訳（メタデータ） (2022-06-02T13:19:36Z) - The 6th AI City Challenge [91.65782140270152]
2022年のAIシティチャレンジの4つのチャレンジトラックは、27カ国254チームからの参加要請を受けた。
参加チームのトップパフォーマンスは強いベースラインを確立し、提案されたチャレンジトラックで最先端の成績を上げました。
論文 参考訳（メタデータ） (2022-04-21T19:24:17Z) - NTIRE 2020 Challenge on Image and Video Deblurring [129.15554076593762]
本稿は、NTIRE 2020 Challenge on Image and Video Deblurringをレビューする。
各大会には163人、135人、102人が登録された。
勝利法は、画像およびビデオの劣化タスクにおける最先端のパフォーマンスを示す。
論文 参考訳（メタデータ） (2020-05-04T03:17:30Z)
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。