論文の概要: Generalized Action-based Ball Recovery Model using 360$^\circ$ data

• arxiv url: http://arxiv.org/abs/2307.04215v1
• Date: Sun, 9 Jul 2023 16:09:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-11 14:49:19.411628
• Title: Generalized Action-based Ball Recovery Model using 360$^\circ$ data
• Title（参考訳）: 360$^\circ$データを用いた一般アクションベースボール復元モデル
• Authors: Ricardo Furbino Marques do Nascimento and Hugo M. R. Rios-Neto
• Abstract要約: Statsbomb 360$circ$データを用いてGABR(Generalized Action based Ball Recovery Model)を作成することで,これらの質問に答える。 チームのポジションがボールのリカバリに与える影響は? プレッシャーを受けると、より頻繁に崩壊する選手はどちらですか。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Even though having more possession does not necessarily lead to winning, teams like Manchester City, Liverpool, and Leeds United notably have tried to recover the ball quickly after they lost it over the past few years. Nowadays, some of the top managers in the world apply high-pressing styles, and concepts such as the five-second rule, usually credited to Guardiola, have been spreading out [9][10], becoming a fundamental part of how lots of teams have played over the recent years. Expressions like "don't let them breathe" and "get the ball back as soon as possible" are often heard in the media [4][5][6], but what are the actions that most lead to a change in possession? What is the influence of a team's positioning on the ball recovery? Which are the players that more often collapse when under pressure? Can we evaluate the defensive dynamics of teams that do not necessarily press the player in possession as intensely as those mentioned above? We try to answer those and other questions in this paper by creating a Generalized Action based Ball Recovery model (GABR) using Statsbomb 360$^\circ$ data.
• Abstract（参考訳）: しかし、マンチェスター・シティ、リバプール、リーズ・ユナイテッドといったチームは、この数年間で失ったボールをすぐに取り戻そうとしている。 現在、世界トップマネージャの何人かは、ハイプレッシャースタイルを採用しており、通常はguardiolaとクレジットされる5秒ルールのような概念は、[9][10]を広めており、近年、多くのチームがプレーしている基本的な部分となっている。 メディア[4][5][6]では、“息を吸わない”や“できるだけ早くボールを取り戻す”といった表現が頻繁に聞かれるが、持ち主の変更に最も繋がるアクションは何か? チームの位置決めがボールのリカバリに与える影響は? プレッシャーを受けると、より頻繁に崩壊する選手はどちらですか。 上記のようにプレイヤーを強烈に押すわけではないチームの防御力を評価することは可能か? 本稿では, Statsbomb 360$^\circ$データを用いてGABR(Generalized Action based Ball Recovery Model)を作成することで, これらの疑問に答えようとしている。

関連論文リスト

• SoccerNet 2024 Challenges Results [152.8534707514927]
  SoccerNet 2024の課題は、サッカーネットチームが主催する4年目のビデオ理解の課題を表している。 この課題は、サッカーにおける複数のテーマにまたがる研究を進めることを目的としており、放送ビデオ理解、フィールド理解、プレイヤー理解などが含まれる。 今年は、4つのビジョンベースのタスクが課題となっている。
  論文  参考訳（メタデータ） (2024-09-16T14:12:22Z)
• Expected Possession Value of Control and Duel Actions for Soccer Player's Skills Estimation [0.0]
  本稿では、広く使われているモデル、期待所有値(EPV)に複数の拡張を導入する。 撮影直前に発生する事象に、先行する出来事よりも重みを割り当てる(デカイ効果)。 本モデルでは, 減衰効果と有効演奏時間を考慮することにより, 保持リスクをより正確に評価する。
  論文  参考訳（メタデータ） (2024-06-02T17:29:42Z)
• Retrieval Head Mechanistically Explains Long-Context Factuality [56.78951509492645]
  我々は,検索ヘッドをダブする特別なタイプの注意ヘッドが,主に情報検索に責任があることを実証した。 本研究は,検索ヘッドが思考の連鎖(CoT)推論に強く影響していることを示し,モデルが質問や以前生成した文脈を頻繁に参照する必要があることを示す。 我々は、幻覚の低減、推論の改善、KVキャッシュの圧縮に関する今後の研究を促進すると信じている。
  論文  参考訳（メタデータ） (2024-04-24T00:24:03Z)
• Bayes-xG: Player and Position Correction on Expected Goals (xG) using Bayesian Hierarchical Approach [55.2480439325792]
  本研究は, 期待目標(xG)測定値を用いて, 目標となるショットの予測における選手や位置要因の影響について検討した。 StatsBombの公開データを使って、イングランドのプレミアリーグから1万発のショットを分析している。 この研究は、スペインのラ・リガとドイツのブンデスリーガのデータに分析を拡張し、同等の結果を得た。
  論文  参考訳（メタデータ） (2023-11-22T21:54:02Z)
• SoccerNet 2023 Challenges Results [165.5977813812761]
  SoccerNet 2023 チャレンジ(英語: SoccerNet 2023 Challenge)は、サッカーネットチームが主催する3回目のビデオ理解チャレンジである。 この第3版では、課題は7つの視覚に基づくタスクから成っており、3つのテーマに分けられた。
  論文  参考訳（メタデータ） (2023-09-12T07:03:30Z)
• VARS: Video Assistant Referee System for Automated Soccer Decision Making from Multiple Views [70.70161449930127]
  Video Assistant Refereeは協会サッカーに革命をもたらし、審判がピッチ上のインシデントをレビューできるようにする。 しかし、多くの国での審判の欠如とVARインフラの高コストのため、プロリーグのみがその恩恵を受けることができる。 サッカーの意思決定を自動化するビデオアシスタント参照システム(VARS)を提案する。
  論文  参考訳（メタデータ） (2023-04-10T14:33:05Z)
• Understanding why shooters shoot -- An AI-powered engine for basketball performance profiling [70.54015529131325]
  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。
  論文  参考訳（メタデータ） (2023-03-17T01:13:18Z)
• Potential Penetrative Pass (P3) [0.0]
  サッカーでゴールを決めるには、チームはピッチに向かって前進する必要があります。 一部のチームは、翼または防御から長いボールをプレーすることを好む。 他のプレイヤーは、パスで深く浸透し、相手プレイヤーと対戦することを好んでいる。
  論文  参考訳（メタデータ） (2023-01-26T10:49:02Z)
• What Happened Next? Using Deep Learning to Value Defensive Actions in Football Event-Data [1.290382979353427]
  我々は、このような防御行動を評価する新しいメトリクスを定義するために、ディープラーニング技術を使用します。 それらに先行するプレイパスの脅威を研究することで、私たちは防御行動を評価することができます。 我々のモデルは、イベントデータを用いてディフェンスディフェンダーの影響を予測することができる。
  論文  参考訳（メタデータ） (2021-06-03T12:18:26Z)
• Stop the Clock: Are Timeout Effects Real? [2.485182034310303]
  タイムアウトがチームのパフォーマンスに影響を与えないことが示されます。 続く瞬間はチームのパフォーマンスの改善に似ていますが、単に平均状態に戻ろうとする自然なゲームです。
  論文  参考訳（メタデータ） (2020-09-14T21:21:41Z)
• An Autoencoder Based Approach to Simulate Sports Games [0.0]
  我々は過去6年間に行われたUEFAチャンピオンズリーグの試合の詳細情報を含むデータセットUCLDataを提案する。 また、新しいオートエンコーダベースの機械学習パイプラインを提案する。
  論文  参考訳（メタデータ） (2020-07-16T16:10:13Z)

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。