論文の概要: SportsMOT: A Large Multi-Object Tracking Dataset in Multiple Sports
Scenes
- arxiv url: http://arxiv.org/abs/2304.05170v1
- Date: Tue, 11 Apr 2023 12:07:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-12 15:02:56.905780
- Title: SportsMOT: A Large Multi-Object Tracking Dataset in Multiple Sports
Scenes
- Title（参考訳）: sportsmot: 複数のスポーツシーンにおける大規模マルチオブジェクトトラッキングデータセット
- Authors: Yutao Cui, Chenkai Zeng, Xiaoyu Zhao, Yichun Yang, Gangshan Wu and
Limin Wang
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 44.46768991505495
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-object tracking in sports scenes plays a critical role in gathering
players statistics, supporting further analysis, such as automatic tactical
analysis. Yet existing MOT benchmarks cast little attention on the domain,
limiting its development. In this work, we present a new large-scale
multi-object tracking dataset in diverse sports scenes, coined as
\emph{SportsMOT}, where all players on the court are supposed to be tracked. It
consists of 240 video sequences, over 150K frames (almost 15\times MOT17) and
over 1.6M bounding boxes (3\times MOT17) collected from 3 sports categories,
including basketball, volleyball and football. Our dataset is characterized
with two key properties: 1) fast and variable-speed motion and 2) similar yet
distinguishable appearance. We expect SportsMOT to encourage the MOT trackers
to promote in both motion-based association and appearance-based association.
We benchmark several state-of-the-art trackers and reveal the key challenge of
SportsMOT lies in object association. To alleviate the issue, we further
propose a new multi-object tracking framework, termed as \emph{MixSort},
introducing a MixFormer-like structure as an auxiliary association model to
prevailing tracking-by-detection trackers. By integrating the customized
appearance-based association with the original motion-based association,
MixSort achieves state-of-the-art performance on SportsMOT and MOT17. Based on
MixSort, we give an in-depth analysis and provide some profound insights into
SportsMOT. The dataset and code will be available at
https://deeperaction.github.io/datasets/sportsmot.html.
- Abstract（参考訳）: スポーツシーンにおける多目的追跡は、プレイヤーの統計収集において重要な役割を担い、自動戦術分析などのさらなる分析を支援する。
しかし、既存のMOTベンチマークはドメインにほとんど関心を持たず、開発を制限した。
本研究では,多種多様なスポーツシーンにおいて,新たな大規模マルチオブジェクト追跡データセットを提示する。「\emph{sportsmot}」と呼ばれ,コート上のすべての選手を追跡する。
240以上のビデオシーケンス、150kフレーム(ほぼ15\times mot17)、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集められた1.6mバウンディングボックス(3\times mot17)で構成される。
私たちのデータセットには2つの重要な特性があります。
1)高速・可変速運動
2)類似しているが区別できる外観。
SportsMOTは,MOTトラッカーに対して,動きに基づくアソシエーションと外見に基づくアソシエーションの促進を奨励することを期待している。
いくつかの最先端トラッカーをベンチマークし、SportsMOTの重要な課題がオブジェクトアソシエーションにあることを示す。
この問題を軽減するため,我々はさらに,<emph{mixsort}>と呼ばれる新しいマルチオブジェクト追跡フレームワークを提案し,追跡・検出トラッカを普及させるための補助的なアソシエーションモデルとしてmixformerのような構造を導入した。
オリジナルのモーションベースアソシエーションとカスタマイズされた外観ベースアソシエーションを統合することで、SportsMOTとMOT17の最先端パフォーマンスを実現する。
MixSortに基づいて、詳細な分析を行い、SportsMOTに関する深い洞察を提供する。
データセットとコードはhttps://deeperaction.github.io/datasets/sportsmot.htmlで入手できる。
関連論文リスト
- Walker: Self-supervised Multiple Object Tracking by Walking on Temporal Appearance Graphs [117.67620297750685]
これは、疎結合なボックスアノテーションとトラッキングラベルのないビデオから学習する、初めてのセルフ教師付きトラッカーである。
Walker氏はMOT17、DanceTrack、BDD100Kで競争力を発揮する最初のセルフトラッカーである。
論文 参考訳（メタデータ） (2024-09-25T18:00:00Z) - TeamTrack: A Dataset for Multi-Sport Multi-Object Tracking in Full-pitch Videos [11.35998213546475]
マルチオブジェクトトラッキング(MOT)はコンピュータビジョンにおいて重要な課題である。
スポーツにおけるMOTに特化したベンチマークデータセットであるTeamTrackを紹介する。
TeamTrackは、サッカー、バスケットボール、ハンドボールなど、さまざまなスポーツのフルピッチビデオデータを集めたコレクションだ。
論文 参考訳（メタデータ） (2024-04-22T04:33:40Z) - Tracking Anything in High Quality [63.63653185865726]
HQTrackは高品質なビデオ追跡のためのフレームワークだ。
ビデオマルチオブジェクトセグメンタ(VMOS)とマスクリファインダ(MR)で構成されている。
論文 参考訳（メタデータ） (2023-07-26T06:19:46Z) - 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) - 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) - DanceTrack: Multi-Object Tracking in Uniform Appearance and Diverse
Motion [56.1428110894411]
マルチヒューマントラッキングのための大規模データセットを提案する。
データセットには、主にグループダンスビデオが含まれているので、私たちはそれを"DanceTrack"と名付けます。
当社のデータセット上でいくつかの最先端トラッカーをベンチマークし、既存のベンチマークと比較した場合、DanceTrackの大幅なパフォーマンス低下を観察します。
論文 参考訳（メタデータ） (2021-11-29T16:49:06Z) - SiamMOT: Siamese Multi-Object Tracking [28.97401838563374]
地域をベースとしたSiamMOTと呼ばれるマルチオブジェクト追跡ネットワークを提案する。
SiamMOTには、検出されたインスタンスが関連付けられているような2つのフレーム間のインスタンスの動きを推定するモーションモデルが含まれている。
SiamMOTは効率的で、17 FPSで720P動画を1つのモダンGPU上で動かせる。
論文 参考訳（メタデータ） (2021-05-25T01:09:26Z) - MultiSports: A Multi-Person Video Dataset of Spatio-Temporally Localized
Sports Actions [39.27858380391081]
本論文では、マルチスポーツとして作成された原子時間行動の新しいマルチパーソンデータセットを提示する。
4つのスポーツクラスを選択し、約3200のビデオクリップを収集し、37790のアクションインスタンスに907kバウンディングボックスをアノテートすることで、MultiSports v1.0のデータセットを構築します。
論文 参考訳（メタデータ） (2021-05-16T10:40:30Z) - MOTChallenge: A Benchmark for Single-Camera Multiple Target Tracking [72.76685780516371]
単カメラ多目的追跡(MOT)のためのベンチマークMOTChallengeを提案する。
このベンチマークは、歩行者がトラッキングコミュニティで最も研究されているオブジェクトであるため、複数の人を追跡することに重点を置いている。
我々は,最先端トラッカーの分類と広い誤差解析を行う。
論文 参考訳（メタデータ） (2020-10-15T06:52:16Z)
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。