論文の概要: Understanding why shooters shoot -- An AI-powered engine for basketball performance profiling

• arxiv url: http://arxiv.org/abs/2303.09715v1
• Date: Fri, 17 Mar 2023 01:13:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-20 15:59:22.717284
• Title: Understanding why shooters shoot -- An AI-powered engine for basketball performance profiling
• Title（参考訳）: シューターシューティングの理由を理解する - バスケットボールのパフォーマンスプロファイリングのためのaiエンジン
• Authors: Alejandro Rodriguez Pascual, Ishan Mehta, Muhammad Khan, Frank Rodriz and Rose Yu
• Abstract要約: バスケットボールは、プレイスタイルやゲームダイナミクスなど、多くの変数によって規定されている。 パフォーマンスプロファイルが様々なプレイスタイルを反映できることは重要です。 プレイヤのパフォーマンスプロファイルをタイムリーに可視化するツールを提案する。
• 参考スコア（独自算出の注目度）: 70.54015529131325
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Understanding player shooting profiles is an essential part of basketball analysis: knowing where certain opposing players like to shoot from can help coaches neutralize offensive gameplans from their opponents; understanding where their players are most comfortable can lead them to developing more effective offensive strategies. An automatic tool that can provide these performance profiles in a timely manner can become invaluable for coaches to maximize both the effectiveness of their game plan as well as the time dedicated to practice and other related activities. Additionally, basketball is dictated by many variables, such as playstyle and game dynamics, that can change the flow of the game and, by extension, player performance profiles. It is crucial that the performance profiles can reflect the diverse playstyles, as well as the fast-changing dynamics of the game. We present a tool that can visualize player performance profiles in a timely manner while taking into account factors such as play-style and game dynamics. Our approach generates interpretable heatmaps that allow us to identify and analyze how non-spatial factors, such as game dynamics or playstyle, affect player performance profiles.
• Abstract（参考訳）: 選手のシューティングプロファイルを理解することは、バスケットボールの分析に欠かせない部分である: 特定の相手選手が撃たれる場所を知ることは、コーチが相手から攻撃的なゲームプランを中和させるのに役立つ。 これらのパフォーマンスプロファイルをタイムリーに提供できる自動ツールが、コーチにとって、ゲームプランの有効性と、練習やその他の関連する活動に費やした時間の両方を最大化することができる。 さらに、バスケットボールはプレイスタイルやゲームダイナミクスなど多くの変数によって規定され、ゲームの流れや拡張によってプレイヤーのパフォーマンスプロファイルを変えることができる。 パフォーマンスプロファイルは多様なプレイスタイルを反映し、ゲームの高速変化のダイナミクスを反映することが重要である。 本稿では,プレイスタイルやゲームダイナミクスなどの要因を考慮しつつ,プレイヤーのパフォーマンスプロファイルをタイムリーに可視化するツールを提案する。 ゲームダイナミクスやプレイスタイルなど,非空間要因がプレイヤーのパフォーマンスプロファイルに与える影響を識別し,解析することのできる解釈可能なヒートマップを生成する。

関連論文リスト

• SkillMimic: Learning Reusable Basketball Skills from Demonstrations [85.23012579911378]
  SkillMimicは、人間とボールの両方の動きを模倣して、さまざまなバスケットボールスキルを学習するデータ駆動型アプローチである。 SkillMimicは、人間とボールのモーションデータセットから多様なスキルを学ぶために、統一された構成を採用している。 SkillMimicが獲得したスキルは、高レベルのコントローラーで簡単に再利用でき、複雑なバスケットボールのタスクをこなせる。
  論文  参考訳（メタデータ） (2024-08-12T15:19:04Z)
• Offensive Lineup Analysis in Basketball with Clustering Players Based on Shooting Style and Offensive Role [0.9002260638342727]
  本研究の目的は,演奏スタイルの整合性がスコアリング効率に与える影響を,攻撃のみに焦点をあてて,より具体的に分析することである。 本研究では、追跡データを用いたシューティングスタイルクラスタリングと、アノテートされたプレイタイプと高度な統計に基づく攻撃的なロールクラスタリングの2つの方法を用いる。 これら2つのクラスタリングから得られたラインアップ情報に基づいて、スコアリング効率を表す統計を予測した機械学習モデルベイズモデルを訓練し、解釈した。
  論文  参考訳（メタデータ） (2024-03-04T03:09:25Z)
• "Can You Play Anything Else?" Understanding Play Style Flexibility in League of Legends [54.60542351417308]
  各プレイヤーの柔軟性を総合的柔軟性と時間的柔軟性の2つの尺度で計算する。 以上の結果から,ユーザの柔軟性はユーザの好みのプレイスタイルに依存し,柔軟性は結果に一致することが示唆された。
  論文  参考訳（メタデータ） (2024-02-08T17:57:03Z)
• All by Myself: Learning Individualized Competitive Behaviour with a Contrastive Reinforcement Learning optimization [57.615269148301515]
  競争ゲームのシナリオでは、エージェントのセットは、彼らの目標を最大化し、敵の目標を同時に最小化する決定を学習する必要があります。 本稿では,競争ゲームの表現を学習し,特定の相手の戦略をどうマップするか,それらを破壊するかを学習する3つのニューラルネットワーク層からなる新しいモデルを提案する。 我々の実験は、オフライン、オンライン、競争特化モデル、特に同じ対戦相手と複数回対戦した場合に、我々のモデルがより良いパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2023-10-02T08:11:07Z)
• Who You Play Affects How You Play: Predicting Sports Performance Using Graph Attention Networks With Temporal Convolution [29.478765505215538]
  本研究では,スポーツにおける選手のパフォーマンスを予測するための新しい深層学習手法であるGATv2-GCNを提案する。 グラフアテンションネットワークを使用して、各プレイヤーが互いに支払うアテンションをキャプチャし、より正確なモデリングを可能にします。 実世界スポーツデータを用いたモデルの性能評価を行い,選手のパフォーマンス予測の有効性を実証した。
  論文  参考訳（メタデータ） (2023-03-29T14:48:51Z)
• NBA2Vec: Dense feature representations of NBA players [0.0]
  本稿では,各プレーヤの高密度特徴表現を抽出するWord2Vecに基づくニューラルネットワークモデルであるNBA2Vecを提案する。 NBA2Vecは、2017年のNBAプレイオフシリーズの結果を正確に予測する。 NBA2Vec埋め込みの今後の応用は、プレイヤーのスタイルを特徴付けることで、プレイヤーの獲得とコーチング決定のための予測モデルに革命をもたらす可能性がある。
  論文  参考訳（メタデータ） (2023-02-26T19:05:57Z)
• A Graph-Based Method for Soccer Action Spotting Using Unsupervised Player Classification [75.93186954061943]
  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。
  論文  参考訳（メタデータ） (2022-11-22T15:23:53Z)
• Valuing Players Over Time [0.0]
  サッカー(またはアソシエーションフットボール)では、プレイヤーはすぐにヒーローからゼロへ、あるいは逆転する。 本稿では,I-VAEPモデルとO-VAEPモデルを紹介し,プレイヤーの意図と実行を評価する。 我々は、誰が最高のプレイヤーであり、そのパフォーマンスがどのように進化したかを示し、プレイヤーの一貫性を測定するためにボラティリティ指標を定義し、意思決定を支援するためにプレイヤー開発曲線を構築します。
  論文  参考訳（メタデータ） (2022-09-08T15:36:16Z)
• Generating Diverse and Competitive Play-Styles for Strategy Games [58.896302717975445]
  ターン型戦略ゲーム(Tribes)のためのプログレッシブアンプランによるPortfolio Monte Carlo Tree Searchを提案する。 品質分散アルゴリズム(MAP-Elites)を使用して異なるプレイスタイルを実現し、競争レベルを維持しながらパラメータ化する方法を示します。 その結果,このアルゴリズムは,トレーニングに用いるレベルを超えて,幅広いゲームレベルにおいても,これらの目標を達成できることが示された。
  論文  参考訳（メタデータ） (2021-04-17T20:33:24Z)
• Multi-Modal Trajectory Prediction of NBA Players [14.735704310108101]
  本稿では,プレイヤーのマルチモーダルな動作を捉える手法を提案する。 本手法は,マルチモーダル損失関数を用いて学習した複数の軌道とその確率を予測するLSTMアーキテクチャ上に構築される。 NBA追跡データ大きめの実験により,提案手法が最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-08-18T11:35:44Z)

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。