論文の概要: Advanced Volleyball Stats for All Levels: Automatic Setting Tactic
Detection and Classification with a Single Camera
- arxiv url: http://arxiv.org/abs/2309.14753v1
- Date: Tue, 26 Sep 2023 08:29:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-27 14:35:13.001995
- Title: Advanced Volleyball Stats for All Levels: Automatic Setting Tactic
Detection and Classification with a Single Camera
- Title（参考訳）: すべてのレベルの高度なバレーボール統計:単一カメラによる自動設定戦術検出と分類
- Authors: Haotian Xia, Rhys Tracy, Yun Zhao, Yuqing Wang, Yuan-Fang Wang and
Weining Shen
- Abstract要約: バレーボールの試合における戦略分類の設定に特化して設計された2つの新しいエンドツーエンドコンピュータビジョンフレームワークを提案する。
本フレームワークは,ボール軌跡認識と新しいセット軌跡分類器を組み合わせることで,包括的・高度な統計データを生成する。
本システムでは,実時間展開が可能であり,ゲーム内戦略分析やスポット内ゲームプランの調整が可能である。
- 参考スコア（独自算出の注目度）: 15.032833555418314
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper presents PathFinder and PathFinderPlus, two novel end-to-end
computer vision frameworks designed specifically for advanced setting strategy
classification in volleyball matches from a single camera view. Our frameworks
combine setting ball trajectory recognition with a novel set trajectory
classifier to generate comprehensive and advanced statistical data. This
approach offers a fresh perspective for in-game analysis and surpasses the
current level of granularity in volleyball statistics. In comparison to
existing methods used in our baseline PathFinder framework, our proposed ball
trajectory detection methodology in PathFinderPlus exhibits superior
performance for classifying setting tactics under various game conditions. This
robustness is particularly advantageous in handling complex game situations and
accommodating different camera angles. Additionally, our study introduces an
innovative algorithm for automatic identification of the opposing team's
right-side (opposite) hitter's current row (front or back) during gameplay,
providing critical insights for tactical analysis. The successful demonstration
of our single-camera system's feasibility and benefits makes high-level
technical analysis accessible to volleyball enthusiasts of all skill levels and
resource availability. Furthermore, the computational efficiency of our system
allows for real-time deployment, enabling in-game strategy analysis and
on-the-spot gameplan adjustments.
- Abstract（参考訳）: 本稿では,バレーボールの試合における高度なセッティング戦略分類に特化して設計された2つのエンドツーエンドコンピュータビジョンフレームワークであるPathFinderとPathFinderPlusについて述べる。
本フレームワークは,ボール軌跡認識と新しいセット軌跡分類器を組み合わせることで,包括的で高度な統計データを生成する。
このアプローチはゲーム内分析の新しい視点を提供し、バレーボール統計の現在の粒度を上回っている。
PathFinderPlusで提案した球軌道検出手法は,ベースラインのPathFinderフレームワークと比べ,様々なゲーム条件下でのセッティング戦術の分類に優れた性能を示す。
この堅牢性は、複雑なゲーム状況の処理や異なるカメラアングルの調整において特に有利である。
さらに,ゲームプレイ中に相手チームの右サイド(オポジト)ヒットターの現在の行(前後)を自動的に識別する革新的なアルゴリズムを導入し,戦術分析に重要な洞察を与える。
シングルカメラシステムの実現可能性とメリットの実証が成功すれば、すべてのスキルレベルとリソース可用性を持つバレーボール愛好家にとって、ハイレベルな技術分析が利用できるようになる。
さらに,本システムの計算効率はリアルタイムな展開が可能であり,ゲーム内戦略分析やゲームプランの調整が可能である。
関連論文リスト
- OSL-ActionSpotting: A Unified Library for Action Spotting in Sports Videos [56.393522913188704]
我々は,スポーツビデオ分析における研究と応用の合理化のために,さまざまなアクションスポッティングアルゴリズムを統合するPythonライブラリであるOSL-ActionSpottingを紹介する。
我々はOSL-ActionSpottingに3つの基本アクションスポッティング手法を統合することに成功した。
論文 参考訳（メタデータ） (2024-07-01T13:17:37Z) - Automated Hit-frame Detection for Badminton Match Analysis [1.3300217947936062]
本研究では,最新の深層学習技術を用いて,マッチビデオからヒットフレームを自動的に検出し,バドミントンにおけるスポーツ分析の進歩を目指す。
ヒットフレームに含まれるデータは、その後プレイヤーのストロークやコート上での動きを合成したり、トレーニングタスクの分析や競争戦略などの下流のアプリケーションに利用することができる。
本研究では,映像トリミングにおけるショットアングル認識の精度99%,シャトルコック飛行方向予測におけるキーポイントシーケンスの適用精度92%以上を達成し,ラリーワイドビデオトリミングとヒットフレーム検出の評価結果を報告した。
論文 参考訳（メタデータ） (2023-07-29T15:01:27Z) - Ball Trajectory Inference from Multi-Agent Sports Contexts Using Set
Transformer and Hierarchical Bi-LSTM [18.884300680050316]
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。
論文 参考訳（メタデータ） (2023-06-14T02:19:59Z) - Estimation of control area in badminton doubles with pose information
from top and back view drone videos [11.679451300997016]
我々はバドミントンダブルスでトップとバックビューから最初の注釈付きドローンデータセットを提示する。
チームワークのパフォーマンスを評価するために,制御領域の確率マップを推定するフレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-07T11:18:39Z) - Towards Active Learning for Action Spotting in Association Football
Videos [59.84375958757395]
フットボールビデオの分析は困難であり、微妙で多様な時間的パターンを特定する必要がある。
現在のアルゴリズムは、限られた注釈付きデータから学ぶ際に大きな課題に直面している。
次にアノテートすべき最も情報に富んだビデオサンプルを選択する能動的学習フレームワークを提案する。
論文 参考訳（メタデータ） (2023-04-09T11:50:41Z) - CLIP-ReIdent: Contrastive Training for Player Re-Identification [0.0]
事前学習したCLIPモデルのゼロショット性能をプレイヤー再識別領域に転送できるかどうかを検討する。
これまでの研究とは異なり、私たちのアプローチは完全にクラスに依存しず、大規模な事前トレーニングの恩恵を受けています。
論文 参考訳（メタデータ） (2023-03-21T13:55:27Z) - 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) - Unsupervised Visual Representation Learning by Tracking Patches in Video [88.56860674483752]
本研究では,コンピュータビジョンシステムのプロキシタスクとしてトラッキングを用いて視覚表現を学習することを提案する。
子どもたちがプレイするキャッチゲームをベースに、視覚表現を学ぶ3D-CNNモデルのためのキャッチ・ザ・パッチ(CtP)ゲームを設計します。
論文 参考訳（メタデータ） (2021-05-06T09:46:42Z) - Temporally-Aware Feature Pooling for Action Spotting in Soccer
Broadcasts [86.56462654572813]
私たちは、サッカーの試合の主なアクションを一時的にローカライズするサッカー放送におけるアクションスポッティングの分析に焦点を当てています。
時間的知識を組み込んだNetVLAD++という,NetVLADに基づく新たな機能プーリング手法を提案する。
我々は最近の大規模データセット SoccerNet-v2 の方法論をトレーニングし、評価し、アクションスポッティングのための平均平均mAP 53.4% に達した。
論文 参考訳（メタデータ） (2021-04-14T11:09:03Z) - Efficient exploration of zero-sum stochastic games [83.28949556413717]
ゲームプレイを通じて,ゲームの記述を明示せず,託宣のみにアクセス可能な,重要で一般的なゲーム解決環境について検討する。
限られたデュレーション学習フェーズにおいて、アルゴリズムは両方のプレイヤーのアクションを制御し、ゲームを学習し、それをうまくプレイする方法を学習する。
私たちのモチベーションは、クエリされた戦略プロファイルの支払いを評価するのにコストがかかる状況において、利用可能性の低い戦略を迅速に学習することにあります。
論文 参考訳（メタデータ） (2020-02-24T20:30:38Z) - Unsupervised Temporal Feature Aggregation for Event Detection in
Unstructured Sports Videos [10.230408415438966]
任意のカメラアングルを持つ非構造化環境を対象としたスポーツビデオにおけるイベント検出事例について検討した。
我々は、非構造化設定におけるプレイヤーの教師なし識別と、任意の射撃角度によるバリエーションを示すために訓練されたモデルの一般化の2つの主要な問題を同定し、解決する。
論文 参考訳（メタデータ） (2020-02-19T10:24:22Z)
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。