論文の概要: Continuous football player tracking from discrete broadcast data
- arxiv url: http://arxiv.org/abs/2311.14642v1
- Date: Fri, 24 Nov 2023 18:16:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-27 14:07:44.928651
- Title: Continuous football player tracking from discrete broadcast data
- Title（参考訳）: 離散放送データからの連続フットボール選手追跡
- Authors: Matthew J. Penn, Christl A. Donnelly, and Samir Bhatt
- Abstract要約: 本稿では,放送映像から得られた離散データから連続した全ピッチ追跡データを推定する手法を提案する。
このようなデータは、クラブやプレーヤーがイベントデータと同じようなコストで収集することができる。
- 参考スコア（独自算出の注目度）: 0.6144680854063939
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Player tracking data remains out of reach for many professional football
teams as their video feeds are not sufficiently high quality for computer
vision technologies to be used. To help bridge this gap, we present a method
that can estimate continuous full-pitch tracking data from discrete data made
from broadcast footage. Such data could be collected by clubs or players at a
similar cost to event data, which is widely available down to semi-professional
level. We test our method using open-source tracking data, and include a
version that can be applied to a large set of over 200 games with such discrete
data.
- Abstract（参考訳）: 選手追跡データは、ビデオフィードがコンピュータビジョン技術を使用するには十分な品質ではないため、多くのプロサッカーチームにとって到達範囲外である。
このギャップを埋めるために,放送映像からの離散データから連続した全ピッチ追跡データを推定する手法を提案する。
このようなデータは、セミプロレベルまで広く入手可能なイベントデータと同様のコストで、クラブやプレーヤによって収集することができる。
我々は,オープンソースの追跡データを用いて本手法を検証し,そのような離散データを持つ200以上のゲームに対して適用可能なバージョンを含める。
関連論文リスト
- BlinkTrack: Feature Tracking over 100 FPS via Events and Images [50.98675227695814]
本稿では,RGB画像とイベントデータを統合した新しいフレームワークであるBlinkTrackを提案する。
本手法は,従来のカルマンフィルタを学習ベースのフレームワークに拡張し,イベントおよびイメージの分岐において微分可能なカルマンフィルタを利用する。
実験の結果、BlinkTrackは既存のイベントベースの手法よりも大幅に優れていた。
論文 参考訳（メタデータ） (2024-09-26T15:54:18Z) - AIM 2024 Challenge on Video Saliency Prediction: Methods and Results [105.09572982350532]
本稿では,AIM 2024におけるビデオ・サリエンシ予測の課題について概説する。
参加者の目標は、提供されたビデオシーケンスのセットに対して正確な精度マップを予測する方法を開発することであった。
論文 参考訳（メタデータ） (2024-09-23T08:59:22Z) - Event Detection in Football using Graph Convolutional Networks [0.0]
ビデオシーケンスの各フレームにおけるプレーヤとボールをグラフとしてモデル化する方法を示す。
本稿では,各アクションの周囲に存在する時間的コンテキストをモデル化するためのグラフ畳み込み層とプール法について述べる。
論文 参考訳（メタデータ） (2023-01-24T14:52:54Z) - Large Scale Real-World Multi-Person Tracking [68.27438015329807]
本稿では,新しい大規模多人数追跡データセットであるtexttPersonPath22を提案する。
MOT17、HiEve、MOT20などの高品質なマルチオブジェクト追跡データセットよりも桁違いに大きい。
論文 参考訳（メタデータ） (2022-11-03T23:03:13Z) - 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) - Optical tracking in team sports [0.0]
入力データを作成する過程について、定量的データアナリストに基本的な理解を提供する。
本稿では,トラッキングの事前処理手順,この領域における最も一般的な課題,およびスポーツチームへのデータ追跡の適用について論じる。
論文 参考訳（メタデータ） (2022-04-08T15:51:35Z) - MOTSynth: How Can Synthetic Data Help Pedestrian Detection and Tracking? [36.094861549144426]
ビデオ歩行者検出とトラッキングのためのディープラーニング手法は、優れたパフォーマンスを達成するために大量のトレーニングデータを必要とする。
レンダリングゲームエンジンを用いたオブジェクト検出と追跡のための大規模で高度に多様な合成データセットMOT Synthを生成する。
実験の結果,MOT Synthは,歩行者検出,再識別,セグメンテーション,トラッキングといったタスクの実際のデータを置き換えるために利用できることがわかった。
論文 参考訳（メタデータ） (2021-08-21T14:25:25Z) - 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) - TAO: A Large-Scale Benchmark for Tracking Any Object [95.87310116010185]
オブジェクトのデータセットの追跡は2,907本の高解像度ビデオで構成され、平均で30分の長さの多様な環境でキャプチャされる。
ビデオの任意の時点で移動するオブジェクトにアノテータにラベルを付け、ファクトラムの後に名前を付けるように求めます。
我々の語彙は、既存の追跡データセットと著しく大きく、質的に異なる。
論文 参考訳（メタデータ） (2020-05-20T21:07:28Z)
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。