論文の概要: A Graph-Based Method for Soccer Action Spotting Using Unsupervised Player Classification

• arxiv url: http://arxiv.org/abs/2211.12334v1
• Date: Tue, 22 Nov 2022 15:23:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-23 17:07:15.921876
• Title: A Graph-Based Method for Soccer Action Spotting Using Unsupervised Player Classification
• Title（参考訳）: 教師なしプレーヤ分類を用いたサッカー動作スポッティングのためのグラフベース手法
• Authors: Alejandro Cartas and Coloma Ballester and Gloria Haro
• Abstract要約: アクションスポッティングには、ゲームのダイナミクス、イベントの複雑さ、ビデオシーケンスのバリエーションを理解することが含まれる。 本研究では, (a) 選手, 審判, ゴールキーパーをグラフのノードとして識別し, および (b) 時間的相互作用をグラフのシーケンスとしてモデル化することによって, 前者に焦点を当てる。 プレーヤ識別タスクでは,他のモダリティと組み合わせることで,平均mAPの57.83%の総合的な性能が得られる。
• 参考スコア（独自算出の注目度）: 75.93186954061943
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Action spotting in soccer videos is the task of identifying the specific time when a certain key action of the game occurs. Lately, it has received a large amount of attention and powerful methods have been introduced. Action spotting involves understanding the dynamics of the game, the complexity of events, and the variation of video sequences. Most approaches have focused on the latter, given that their models exploit the global visual features of the sequences. In this work, we focus on the former by (a) identifying and representing the players, referees, and goalkeepers as nodes in a graph, and by (b) modeling their temporal interactions as sequences of graphs. For the player identification, or player classification task, we obtain an accuracy of 97.72% in our annotated benchmark. For the action spotting task, our method obtains an overall performance of 57.83% average-mAP by combining it with other audiovisual modalities. This performance surpasses similar graph-based methods and has competitive results with heavy computing methods. Code and data are available at https://github.com/IPCV/soccer_action_spotting.
• Abstract（参考訳）: アクション・スポッティング(英: action spotting)は、サッカー・ビデオにおける特定のアクションの発生時刻を特定するタスクである。 近年は多くの注目を集め、強力な手法が導入されている。 アクションスポッティングには、ゲームのダイナミクス、イベントの複雑さ、ビデオシーケンスのバリエーションを理解することが含まれる。 モデルがシーケンスのグローバルな視覚的特徴を利用するため、ほとんどのアプローチは後者に焦点を当てている。 この作品では前者に焦点を当てます a) グラフ内のノードとしてプレイヤー、審判、ゴールキーパーを識別し、表現すること b) 時間的相互作用をグラフのシーケンスとしてモデル化する。 プレイヤー識別タスクやプレイヤー分類タスクでは、アノテートされたベンチマークで97.72%の精度が得られる。 本手法は,アクションスポッティングタスクにおいて,57.83%の平均mAPを他の音響的モダリティと組み合わせることで全体の性能を得る。 このパフォーマンスは類似のグラフベースメソッドを上回り、重い計算方法と競合する結果をもたらす。 コードとデータはhttps://github.com/ipcv/soccer_action_spottingで入手できる。

関連論文リスト

• Deep learning for action spotting in association football videos [64.10841325879996]
  SoccerNetイニシアチブは毎年の課題を組織し、世界中の参加者が最先端のパフォーマンスを達成するために競う。 本稿では,スポーツにおけるアクションスポッティングの歴史を,2018年の課題の創出から,現在の研究・スポーツ産業における役割まで遡る。
  論文  参考訳（メタデータ） (2024-10-02T07:56:15Z)
• Towards Active Learning for Action Spotting in Association Football Videos [59.84375958757395]
  フットボールビデオの分析は困難であり、微妙で多様な時間的パターンを特定する必要がある。 現在のアルゴリズムは、限られた注釈付きデータから学ぶ際に大きな課題に直面している。 次にアノテートすべき最も情報に富んだビデオサンプルを選択する能動的学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-09T11:50:41Z)
• Event Detection in Football using Graph Convolutional Networks [0.0]
  ビデオシーケンスの各フレームにおけるプレーヤとボールをグラフとしてモデル化する方法を示す。 本稿では,各アクションの周囲に存在する時間的コンテキストをモデル化するためのグラフ畳み込み層とプール法について述べる。
  論文  参考訳（メタデータ） (2023-01-24T14:52:54Z)
• Spotting Temporally Precise, Fine-Grained Events in Video [23.731838969934206]
  ビデオ中に時間的に正確できめ細かなイベントを見つけるタスクを導入する。 モデルは、フルタイムのアクションスケールについてグローバルに推論し、微妙なフレーム間の外観と動きの違いを特定するために、ローカルで行う必要がある。 E2E-Spotは、精密なスポッティングタスクでよく機能し、1つのGPUで迅速にトレーニングできる、コンパクトでエンドツーエンドのモデルである。
  論文  参考訳（メタデータ） (2022-07-20T22:15:07Z)
• Temporally-Aware Feature Pooling for Action Spotting in Soccer Broadcasts [86.56462654572813]
  私たちは、サッカーの試合の主なアクションを一時的にローカライズするサッカー放送におけるアクションスポッティングの分析に焦点を当てています。 時間的知識を組み込んだNetVLAD++という,NetVLADに基づく新たな機能プーリング手法を提案する。 我々は最近の大規模データセット SoccerNet-v2 の方法論をトレーニングし、評価し、アクションスポッティングのための平均平均mAP 53.4% に達した。
  論文  参考訳（メタデータ） (2021-04-14T11:09:03Z)
• RMS-Net: Regression and Masking for Soccer Event Spotting [52.742046866220484]
  イベントラベルとその時間的オフセットを同時に予測できる,軽量でモジュール化されたアクションスポッティングネットワークを開発した。 SoccerNetデータセットでテストし、標準機能を使用して、完全な提案は3平均mAPポイントで現在の状態を超えます。
  論文  参考訳（メタデータ） (2021-02-15T16:04:18Z)
• Improved Soccer Action Spotting using both Audio and Video Streams [3.4376560669160394]
  本稿では,ディープニューラルネットワークアーキテクチャの様々な段階における音声と映像の情報の組み合わせについて検討する。 我々は、Big Five European Leaguesの500のサッカーゲームビデオの注釈付きイベントを含む、 SoccerNetベンチマークデータセットを使用した。 平均的平均精度(mAP)は,行動分類タスクが7.43%,行動スポッティングタスクが4.19%であった。
  論文  参考訳（メタデータ） (2020-11-09T09:12:44Z)
• Hybrid Dynamic-static Context-aware Attention Network for Action Assessment in Long Videos [96.45804577283563]
  本稿では,長期ビデオにおけるアクションアセスメントのための新しいハイブリットDynAmic-static Context-aware AttenTION NETwork(ACTION-NET)を提案する。 ビデオのダイナミックな情報を学習すると同時に,特定フレームにおける検出した選手の静的姿勢にも焦点をあてる。 2つのストリームの特徴を組み合わせることで、専門家が与えた地道的なスコアによって監督され、最終的なビデオスコアを後退させます。
  論文  参考訳（メタデータ） (2020-08-13T15:51:42Z)

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。