論文の概要: Ball Trajectory Inference from Multi-Agent Sports Contexts Using Set
Transformer and Hierarchical Bi-LSTM
- arxiv url: http://arxiv.org/abs/2306.08206v1
- Date: Wed, 14 Jun 2023 02:19:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-16 20:34:01.290910
- Title: Ball Trajectory Inference from Multi-Agent Sports Contexts Using Set
Transformer and Hierarchical Bi-LSTM
- Title(参考訳): 集合変換器と階層型Bi-LSTMを用いた多エージェントスポーツコンテキストからの球軌道推定
- Authors: Hyunsung Kim, Han-Jun Choi, Chang Jo Kim, Jinsung Yoon, Sang-Ki Ko
- Abstract要約: 本稿では,ボールトラッキングに代わる費用対効果として,選手軌道からの球軌道推定フレームワークを提案する。
実験の結果,本モデルでは,自然かつ正確な軌道と,許容可能な球の保持を同時に行うことができることがわかった。
提案するフレームワークの実用的応用には,トラジェクティブ・インプットの欠如,半自動パスアノテーション,マッチブロードキャストのための自動ズームイン,保持可能な性能指標の算出などがある。
- 参考スコア(独自算出の注目度): 18.884300680050316
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As artificial intelligence spreads out to numerous fields, the application of
AI to sports analytics is also in the spotlight. However, one of the major
challenges is the difficulty of automated acquisition of continuous movement
data during sports matches. In particular, it is a conundrum to reliably track
a tiny ball on a wide soccer pitch with obstacles such as occlusion and
imitations. Tackling the problem, this paper proposes an inference framework of
ball trajectory from player trajectories as a cost-efficient alternative to
ball tracking. We combine Set Transformers to get permutation-invariant and
equivariant representations of the multi-agent contexts with a hierarchical
architecture that intermediately predicts the player ball possession to support
the final trajectory inference. Also, we introduce the reality loss term and
postprocessing to secure the estimated trajectories to be physically realistic.
The experimental results show that our model provides natural and accurate
trajectories as well as admissible player ball possession at the same time.
Lastly, we suggest several practical applications of our framework including
missing trajectory imputation, semi-automated pass annotation, automated
zoom-in for match broadcasting, and calculating possession-wise running
performance metrics.
- Abstract(参考訳): 人工知能が多くの分野に広がるにつれ、スポーツ分析へのAIの適用も注目されている。
しかしながら、主な課題の1つは、スポーツの試合中に連続移動データを自動取得することの困難さである。
特に、オクルージョンや模倣などの障害物のある広いサッカーピッチで、小さなボールを確実に追跡することはコンウンダラムである。
そこで本稿では,ボールトラッキングに代わる費用対効果として,選手軌道からの球軌道推定フレームワークを提案する。
我々は、集合トランスフォーマーを組み合わせ、マルチエージェントコンテキストの置換不変および同変表現と、プレイヤーボールの保持を中間的に予測して最終軌道推定をサポートする階層的アーキテクチャを得る。
また,現実的損失項とポストプロセッシングを導入し,推定軌跡を物理的に現実的なものにする。
実験の結果, 本モデルは, 球の保持と同時に, 自然かつ正確な軌道を提供することがわかった。
最後に, 軌道インプテーションの欠如, 半自動パスアノテーション, マッチブロードキャストのための自動ズームイン, ホールドワイズ性能指標の算出など, 本フレームワークの実用的応用について提案する。
関連論文リスト
- Auto-Encoding Bayesian Inverse Games [38.69344806372856]
ゲームの性質が未知であり、観察から推測しなければならない逆ゲーム問題を考える。
既存の最大推定手法は、未知のパラメータの点推定のみを提供する。
可変オートエンコーダと組込み微分可能ゲームソルバを用いて推論を抽出する。
論文 参考訳(メタデータ) (2024-02-14T02:17:37Z) - Efficient Ground Vehicle Path Following in Game AI [77.34726150561087]
本稿では,ゲームAIに適した地上車両の効率的な追従経路を提案する。
提案したパスフォロワは,一対一シューティングゲームにおいて,様々なテストシナリオを通じて評価される。
その結果,既存の経路と比較すると,立ち往生するイベントの総数が70%減少した。
論文 参考訳(メタデータ) (2023-07-07T04:20:07Z) - Trace and Pace: Controllable Pedestrian Animation via Guided Trajectory
Diffusion [83.88829943619656]
本研究では,現実的な歩行者軌跡生成手法と,ユーザ定義目標を達成するために制御可能なフルボディアニメーションを提案する。
我々のガイド付き拡散モデルでは,対象とする経路,速度,特定社会集団による軌道の制約が可能である。
本稿では,アニメーションコントローラのRLトレーニング中に学習した値関数を用いて,拡散を誘導し,特定のシナリオに適した軌道を生成することを提案する。
論文 参考訳(メタデータ) (2023-04-04T15:46:42Z) - 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) - 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) - Unified Transformer Tracker for Object Tracking [58.65901124158068]
異なるシナリオにおけるトラッキング問題に1つのパラダイムで対処するために,UTT(Unified Transformer Tracker)を提案する。
SOT(Single Object Tracking)とMOT(Multiple Object Tracking)の両方を対象とするトラックトランスフォーマーを開発した。
論文 参考訳(メタデータ) (2022-03-29T01:38:49Z) - baller2vec++: A Look-Ahead Multi-Entity Transformer For Modeling
Coordinated Agents [17.352818121007576]
baller2vec++は,協調エージェントを効果的にモデル化するマルチエンティティトランスフォーマである。
Baller2vec++は、シミュレーションされたおもちゃのデータセットで完璧に調整されたエージェントの振る舞いをエミュレートすることを学ぶことができる。
論文 参考訳(メタデータ) (2021-04-24T16:20:47Z) - Trajectory saliency detection using consistency-oriented latent codes
from a recurrent auto-encoder [0.0]
軌道は、プログレッシブな動的サリエンシー検出をサポートする最良の方法です。
与えられた文脈に関連する共通の動きパターンを共有する通常の軌跡から逸脱した場合、軌跡は有能である。
本手法は,鉄道駅で取得した歩行者軌跡の公開データセットから得られた複数のシナリオにおいて,既存の手法に勝ることを示す。
論文 参考訳(メタデータ) (2020-12-17T13:29:11Z) - Probabilistic Tracklet Scoring and Inpainting for Multiple Object
Tracking [83.75789829291475]
本稿では,トラックレット提案の確率的自己回帰運動モデルを提案する。
これは、我々のモデルを訓練して、自然のトラックレットの基盤となる分布を学習することで達成される。
我々の実験は、挑戦的なシーケンスにおける物体の追跡におけるアプローチの優位性を実証している。
論文 参考訳(メタデータ) (2020-12-03T23:59:27Z) - ArTIST: Autoregressive Trajectory Inpainting and Scoring for Tracking [80.02322563402758]
オンラインマルチオブジェクトトラッキング(MOT)フレームワークの中核的なコンポーネントの1つは、既存のトラックレットと新しい検出を関連付けることである。
そこで我々は,トラックレットが自然運動を表す可能性を直接測定することにより,トラックレットの提案を評価する確率論的自己回帰生成モデルを提案する。
論文 参考訳(メタデータ) (2020-04-16T06:43:11Z)
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。