Fugu-MT 論文翻訳(概要): Transformer-based Live Update Generation for Soccer Matches from Microblog Posts

論文の概要: Transformer-based Live Update Generation for Soccer Matches from Microblog Posts

arxiv url: http://arxiv.org/abs/2310.16368v1
Date: Wed, 25 Oct 2023 05:12:35 GMT
ステータス: 処理完了
システム内更新日: 2023-10-26 16:38:01.698130
Title: Transformer-based Live Update Generation for Soccer Matches from Microblog Posts
Title（参考訳）: マイクロブログ投稿によるサッカーマッチのトランスフォーマーによるライブ更新生成
Authors: Masashi Oshika, Kosuke Yamada, Ryohei Sasano, Koichi Takeda
Abstract要約: 試合の進行状況をユーザが瞬時に把握し,生のツイートから試合の興奮を享受できるように,試合のライブ更新をツイートから生成するシステムを構築した。提案システムは,大規模な事前学習型言語モデルに基づいて,更新数を制御する機構と,重複や類似の更新の冗長性を低減させる機構を備えている。
参考スコア（独自算出の注目度）: 19.291566912492293
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: It has been known to be difficult to generate adequate sports updates from a sequence of vast amounts of diverse live tweets, although the live sports viewing experience with tweets is gaining the popularity. In this paper, we focus on soccer matches and work on building a system to generate live updates for soccer matches from tweets so that users can instantly grasp a match's progress and enjoy the excitement of the match from raw tweets. Our proposed system is based on a large pre-trained language model and incorporates a mechanism to control the number of updates and a mechanism to reduce the redundancy of duplicate and similar updates.
Abstract（参考訳）: 大量の多様なライブツイートから適切なスポーツ更新を生成することは困難であることが知られているが、つぶやきによるスポーツのライブ視聴体験は人気を集めている。本稿では,試合の進行状況を瞬時に把握し,生のつぶやきから試合の興奮を享受できるように,試合のライブ更新をツイートから生成するシステムの構築に焦点をあてる。提案システムは,大規模な事前学習型言語モデルに基づいて,更新数を制御する機構と,重複や類似の更新の冗長性を低減する機構を備えている。

関連論文リスト

Deep learning for action spotting in association football videos [64.10841325879996]
SoccerNetイニシアチブは毎年の課題を組織し、世界中の参加者が最先端のパフォーマンスを達成するために競う。本稿では,スポーツにおけるアクションスポッティングの歴史を,2018年の課題の創出から,現在の研究・スポーツ産業における役割まで遡る。
論文参考訳（メタデータ） (2024-10-02T07:56:15Z)
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)
FootBots: A Transformer-based Architecture for Motion Prediction in Soccer [28.32714256545306]
FootBotsは、動作予測と条件付き動作予測に対処するエンコーダ・デコーダベースのアーキテクチャである。 FootBotsは、設定されたアテンションブロックとマルチアテンションブロックデコーダを使用して、時間的および社会的ダイナミクスをキャプチャする。実際のサッカーデータに対する実証的な結果は、フットボットがモーション予測においてベースラインを上回っていることを示している。
論文参考訳（メタデータ） (2024-06-28T11:49:59Z)
MatchTime: Towards Automatic Soccer Game Commentary Generation [52.431010585268865]
観客の視聴体験を改善するために,自動サッカーゲーム解説モデルの構築を検討する。まず、既存のデータセットでよく見られるビデオテキストのミスアライメントを観察し、49試合のタイムスタンプを手動でアノテートする。第2に,既存のデータセットを自動的に修正・フィルタリングするマルチモーダル時間アライメントパイプラインを提案する。第3に、キュレートされたデータセットに基づいて、MatchVoiceという自動コメント生成モデルをトレーニングします。
論文参考訳（メタデータ） (2024-06-26T17:57:25Z)
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)
SoccerNet-Caption: Dense Video Captioning for Soccer Broadcasts Commentaries [71.44210436913029]
本稿では,単一のタイムスタンプを固定したテキストコメンタリーの生成に着目した,高密度動画キャプションの新たな課題を提案する。サッカー放送の715.9時間に約37万のタイムスタンプによるコメントからなる挑戦的なデータセットを提示する。
論文参考訳（メタデータ） (2023-04-10T13:08:03Z)
Feature Combination Meets Attention: Baidu Soccer Embeddings and Transformer based Temporal Detection [3.7709686875144337]
本稿では,サッカー中継ビデオにおけるイベントの発生状況と発生状況を検出するための2段階のパラダイムを提案する。具体的には,サッカーデータ上に複数のアクション認識モデルを微調整し,ハイレベルなセマンティックな特徴を抽出する。このアプローチは、サッカーネットv2チャレンジにおける2つのタスク、すなわちアクションスポッティングとリプレイグラウンドにおいて、最先端のパフォーマンスを達成した。
論文参考訳（メタデータ） (2021-06-28T08:00:21Z)
Understanding Information Spreading Mechanisms During COVID-19 Pandemic by Analyzing the Impact of Tweet Text and User Features for Retweet Prediction [6.658785818853953]
新型コロナウイルスは世界の経済や、ほぼすべての人々の日常生活に影響を与えている。ソーシャルメディアプラットフォームは、情報を共有できる他のユーザーと情報を共有できる。 CNNとRNNをベースとした2つのモデルを提案し、これらのモデルの性能を公開のTweetsCOV19データセットで評価する。
論文参考訳（メタデータ） (2021-05-26T15:55:58Z)
SoccerNet-v2: A Dataset and Benchmarks for Holistic Understanding of Broadcast Soccer Videos [71.72665910128975]
SoccerNet-v2 は SoccerNet ビデオデータセット用の手動アノテーションの大規模なコーパスである。 SoccerNetの500の未トリミングサッカービデオの中で、約300万のアノテーションをリリースしています。サッカーの領域における現在のタスクを拡張し、アクションスポッティング、カメラショットセグメンテーション、境界検出を含む。
論文参考訳（メタデータ） (2020-11-26T16:10:16Z)

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。