論文の概要: GoalieNet: A Multi-Stage Network for Joint Goalie, Equipment, and Net
Pose Estimation in Ice Hockey
- arxiv url: http://arxiv.org/abs/2306.15853v1
- Date: Wed, 28 Jun 2023 01:00:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-29 16:14:02.290095
- Title: GoalieNet: A Multi-Stage Network for Joint Goalie, Equipment, and Net
Pose Estimation in Ice Hockey
- Title（参考訳）: GoalieNet: アイスホッケーにおけるジョイントゴール、機器、ネットポーズ推定のためのマルチステージネットワーク
- Authors: Marjan Shahi, David Clausi, Alexander Wong
- Abstract要約: GoalieNetは多段階のディープニューラルネットワークで、ゴールキーパーのポーズ、機器、ネットを共同で推定する。
NHLベンチマークデータを用いた実験の結果、提案したGoalieNetは、すべてのキーポイントで平均84%の精度を達成可能であることが示された。
- 参考スコア（独自算出の注目度）: 82.74877848011798
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the field of computer vision-driven ice hockey analytics, one of the most
challenging and least studied tasks is goalie pose estimation. Unlike general
human pose estimation, goalie pose estimation is much more complex as it
involves not only the detection of keypoints corresponding to the joints of the
goalie concealed under thick padding and mask, but also a large number of
non-human keypoints corresponding to the large leg pads and gloves worn, the
stick, as well as the hockey net. To tackle this challenge, we introduce
GoalieNet, a multi-stage deep neural network for jointly estimating the pose of
the goalie, their equipment, and the net. Experimental results using NHL
benchmark data demonstrate that the proposed GoalieNet can achieve an average
of 84\% accuracy across all keypoints, where 22 out of 29 keypoints are
detected with more than 80\% accuracy. This indicates that such a joint pose
estimation approach can be a promising research direction.
- Abstract（参考訳）: コンピュータビジョン駆動アイスホッケー分析の分野では、最も困難で研究の少ないタスクの1つはゴールキーパーのポーズ推定である。
一般的な人間のポーズ推定とは違って、太いパッドやマスクの下に隠されたゴールキーパーの関節に対応するキーポイントの検出だけでなく、大きな脚パッドや手袋、スティック、ホッケーネットなどに対応する多数の非人間のキーポイントも含むため、ゴールキーパーポーズ推定ははるかに複雑である。
この課題に取り組むため,我々は,ゴールキーパー,機器,ネットのポーズを共同で推定する多段深層ニューラルネットワークであるgoalienetを紹介する。
NHLベンチマークデータを用いた実験の結果,提案したGoalieNetはすべてのキーポイントに対して平均84倍の精度を達成でき,29のキーポイントのうち22が80倍以上の精度で検出されることがわかった。
このことは,このような共同ポーズ推定手法が有望な研究方向であることを示す。
関連論文リスト
- All Keypoints You Need: Detecting Arbitrary Keypoints on the Body of
Triple, High, and Long Jump Athletes [16.172800007896285]
本稿では,運動選手の身体の微細な位置を必要とする三段跳躍,高段跳躍,長段跳躍の規律に焦点を当てた。
そこで本研究では,選手の身体全体における任意のキーポイントを検出するために,注釈付きキーポイントと自動生成セグメンテーションマスクの限定セットを活用する手法を提案する。
論文 参考訳（メタデータ） (2023-04-06T08:54:21Z) - Pose for Everything: Towards Category-Agnostic Pose Estimation [93.07415325374761]
Category-Agnostic Pose Estimation (CAPE) は、キーポイント定義を持つ少数のサンプルのみを与えられた任意の種類のオブジェクトのポーズを検出することができるポーズ推定モデルを作成することを目的としている。
異なるキーポイント間のインタラクションと、サポートとクエリイメージの関係をキャプチャするために、トランスフォーマーベースのキーポイントインタラクションモジュール(KIM)を提案する。
また、20K以上のインスタンスを含む100のオブジェクトカテゴリの2次元ポーズデータセットであるMP-100データセットを導入し、CAPEアルゴリズムの開発に適している。
論文 参考訳（メタデータ） (2022-07-21T09:40:54Z) - FenceNet: Fine-grained Footwork Recognition in Fencing [84.19619219240859]
FenceNetは、フェンシングにおけるきめ細かいフットワークテクニックの分類を自動化する新しいアーキテクチャである。
入力として2Dポーズデータを取り込み、スケルトンベースのアクション認識アプローチを使用してアクションを分類する。
10倍のクロスバリデーションで85.4%の精度を達成し、各フェンスをテストセットとして残す。
論文 参考訳（メタデータ） (2022-04-20T12:54:31Z) - Few-Shot Keypoint Detection as Task Adaptation via Latent Embeddings [17.04471874483516]
既存のアプローチでは、1つのフォワードパスに密なキーポイントの埋め込みを計算するか、その全容量をスパースポイントのセットに割り当てる。
本稿では,ある時点における関連点数が典型的には少ないという観測に基づいて,中間点を探索する。
私たちの主な貢献は、キーポイント埋め込みでスパーススタイルのネットワークを条件付けることができる、少数ショットタスク適応にインスパイアされた、新しいアーキテクチャです。
論文 参考訳（メタデータ） (2021-12-09T13:25:42Z) - Rethinking Keypoint Representations: Modeling Keypoints and Poses as
Objects for Multi-Person Human Pose Estimation [79.78017059539526]
本研究では,個々のキーポイントと空間的関連キーポイント(ポーズ)の集合を,密集した単一ステージアンカーベース検出フレームワーク内のオブジェクトとしてモデル化する,新しいヒートマップフリーなキーポイント推定手法を提案する。
実験では, KAPAOは従来手法よりもはるかに高速かつ高精度であり, 熱マップ後処理に悩まされていた。
我々の大規模モデルであるKAPAO-Lは、テスト時間拡張なしでMicrosoft COCO Keypoints検証セット上で70.6のAPを達成する。
論文 参考訳（メタデータ） (2021-11-16T15:36:44Z) - Keypoint Communities [87.06615538315003]
本稿では,人や物体上の100以上のキーポイントを共同で検出する高速ボトムアップ手法を提案する。
ポーズの異なる部分にトレーニングの重みを割り当てるために、グラフ集中度尺度を使用します。
我々の方法は車のポーズに一般化する。
論文 参考訳（メタデータ） (2021-10-03T11:50:34Z) - DeepDarts: Modeling Keypoints as Objects for Automatic Scorekeeping in
Darts using a Single Camera [75.34178733070547]
既存のマルチカメラソリューションは、スチールチップダーツの自動スコア管理に非常に高価であり、ほとんどのプレイヤーにはアクセスできない。
キーポイント検出に対する新しいアプローチを提案し,任意のカメラアングルから撮影した単一の画像からダートスコアを予測する。
我々は、このアイデアにまつわる深い畳み込みニューラルネットワークを開発し、ダート位置とダートボードの校正点を予測する。
論文 参考訳（メタデータ） (2021-05-20T16:25:57Z) - Detecting and Matching Related Objects with One Proposal Multiple
Predictions [15.869997502372051]
コストをかけずに、プレイヤーや関連オブジェクトを一度に検出・マッチングできるシンプルかつ効率的な方法を提案します。
本手法は,アイスホッケー映像の放送データと,coco +torsoと呼ばれる新しい公開データセットを用いて評価する。
論文 参考訳（メタデータ） (2021-04-23T14:37:10Z)
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。