論文の概要: A Survey of Advanced Computer Vision Techniques for Sports

• arxiv url: http://arxiv.org/abs/2301.07583v1
• Date: Wed, 18 Jan 2023 15:01:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-19 15:32:37.812475
• Title: A Survey of Advanced Computer Vision Techniques for Sports
• Title（参考訳）: スポーツにおける高度なコンピュータビジョン技術に関する調査
• Authors: Tiago Mendes-Neves, Lu\'is Meireles, Jo\~ao Mendes-Moreira
• Abstract要約: 我々は,コンピュータビジョンモデルのみを用いて得られたポーズデータを用いて,撮影速度推定のためのモデルを構築した。 提案手法は多くの技術運動に対して容易に複製可能である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computer Vision developments are enabling significant advances in many fields, including sports. Many applications built on top of Computer Vision technologies, such as tracking data, are nowadays essential for every top-level analyst, coach, and even player. In this paper, we survey Computer Vision techniques that can help many sports-related studies gather vast amounts of data, such as Object Detection and Pose Estimation. We provide a use case for such data: building a model for shot speed estimation with pose data obtained using only Computer Vision models. Our model achieves a correlation of 67%. The possibility of estimating shot speeds enables much deeper studies about enabling the creation of new metrics and recommendation systems that will help athletes improve their performance, in any sport. The proposed methodology is easily replicable for many technical movements and is only limited by the availability of video data.
• Abstract（参考訳）: コンピュータビジョンの発展はスポーツを含む多くの分野で大きな進歩をもたらしている。 追跡データなどのコンピュータビジョン技術上に構築された多くのアプリケーションは、現在すべてのトップレベルのアナリスト、コーチ、プレーヤにとって必須である。 本稿では,多くのスポーツ関連研究において,物体検出やポス推定などの膨大なデータ収集を支援するコンピュータビジョン技術について調査する。 コンピュータビジョンモデルのみを用いて得られたポーズデータを用いて、撮影速度推定のためのモデルを構築する。 我々のモデルは相関を67%達成する。 ショットスピードを推定する可能性によって、どんなスポーツでも選手のパフォーマンス向上に役立つ新しいメトリクスとレコメンデーションシステムの作成について、より深い研究が可能になる。 提案手法は,多くの技術運動に対して容易に複製可能であり,ビデオデータの入手に限られる。

関連論文リスト

• 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)
• Unifying Tracking and Image-Video Object Detection [54.91658924277527]
  TrIVD (Tracking and Image-Video Detection) は、画像OD、ビデオOD、MOTを1つのエンドツーエンドモデルに統合する最初のフレームワークである。 カテゴリラベルの相違やセマンティックな重複に対処するため、TrIVDは対象カテゴリに対する検出/追跡を基礎と理由として定式化している。
  論文  参考訳（メタデータ） (2022-11-20T20:30:28Z)
• DeepSportradar-v1: Computer Vision Dataset for Sports Understanding with High Quality Annotations [3.000319651350124]
  本稿では,自動スポーツ理解のためのコンピュータビジョンタスク,データセット,ベンチマークスイートであるDeepSportradar-v1を紹介する。 このフレームワークの主な目的は、学術研究と現実世界の設定のギャップを埋めることである。
  論文  参考訳（メタデータ） (2022-08-17T09:55:02Z)
• Sports Video Analysis on Large-Scale Data [10.24207108909385]
  本稿では,スポーツビデオにおける自動機械記述のモデル化について検討する。 スポーツビデオ分析のためのNBAデータセット(NSVA)を提案する。
  論文  参考訳（メタデータ） (2022-08-09T16:59:24Z)
• 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)
• 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)
• Optical tracking in team sports [0.0]
  入力データを作成する過程について、定量的データアナリストに基本的な理解を提供する。 本稿では,トラッキングの事前処理手順,この領域における最も一般的な課題,およびスポーツチームへのデータ追跡の適用について論じる。
  論文  参考訳（メタデータ） (2022-04-08T15:51:35Z)
• Muscle Vision: Real Time Keypoint Based Pose Classification of Physical Exercises [52.77024349608834]
  ビデオから外挿された3D人間のポーズ認識は、リアルタイムソフトウェアアプリケーションを可能にするまで進歩した。 本稿では,ライブビデオフィード上で人間のポーズ認識を行う新しい機械学習パイプラインとWebインターフェースを提案する。
  論文  参考訳（メタデータ） (2022-03-23T00:55:07Z)
• A Comprehensive Review of Computer Vision in Sports: Open Issues, Future Trends and Research Directions [3.138976077182707]
  本稿では,スポーツ映像解析の高レベル分析への応用について概説する。 選手の検出と分類、スポーツにおける選手またはボールの追跡、選手またはボールの軌跡の予測、チームの戦略の認識、スポーツにおける様々なイベントの分類が含まれる。
  論文  参考訳（メタデータ） (2022-03-03T07:49:21Z)
• Game Plan: What AI can do for Football, and What Football can do for AI [83.79507996785838]
  予測的および規範的フットボール分析は、統計学習、ゲーム理論、コンピュータビジョンの交差点における新たな発展と進歩を必要とする。 フットボール分析は、サッカー自体のゲームを変えるだけでなく、この領域がAIの分野で何を意味するのかという観点からも、非常に価値の高いゲームチェンジャーであることを示す。
  論文  参考訳（メタデータ） (2020-11-18T10:26:02Z)
• Challenges and Opportunities for Computer Vision in Real-life Soccer Analytics [6.144873990390373]
  スポーツ分析は、スポーツデータのコーパスからのパターンの理解と発見を扱う。 本稿では主に,コンピュータビジョンにおけるスポーツビデオ解析による課題と機会に焦点を当てる。
  論文  参考訳（メタデータ） (2020-04-13T20:06:23Z)

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。