論文の概要: No Bells, Just Whistles: Sports Field Registration by Leveraging Geometric Properties
- arxiv url: http://arxiv.org/abs/2404.08401v1
- Date: Fri, 12 Apr 2024 11:15:15 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-15 15:16:32.477036
- Title: No Bells, Just Whistles: Sports Field Registration by Leveraging Geometric Properties
- Title(参考訳): No Bells, Just Whistles: 幾何学的特性の活用による競技場登録
- Authors: Marc Gutiérrez-Pérez, Antonio Agudo,
- Abstract要約: 本稿では,3次元サッカー場モデルを用いてカメラキャリブレーションを可能にする新しいキャリブレーションパイプラインを提案し,そのプロセスを拡張して放送ビデオのマルチビュー特性を評価する。
本手法は, ホログラフィー推定における競合性を維持しつつ, マルチビューおよびシングルビューの3次元カメラキャリブレーションにおいて, 優れた性能を示す。
- 参考スコア(独自算出の注目度): 16.278222277579655
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Broadcast sports field registration is traditionally addressed as a homography estimation task, mapping the visible image area to a planar field model, predominantly focusing on the main camera shot. Addressing the shortcomings of previous approaches, we propose a novel calibration pipeline enabling camera calibration using a 3D soccer field model and extending the process to assess the multiple-view nature of broadcast videos. Our approach begins with a keypoint generation pipeline derived from SoccerNet dataset annotations, leveraging the geometric properties of the court. Subsequently, we execute classical camera calibration through DLT algorithm in a minimalist fashion, without further refinement. Through extensive experimentation on real-world soccer broadcast datasets such as SoccerNet-Calibration, WorldCup 2014 and TS- WorldCup, our method demonstrates superior performance in both multiple- and single-view 3D camera calibration while maintaining competitive results in homography estimation compared to state-of-the-art techniques.
- Abstract(参考訳): 放送スポーツフィールドの登録は、伝統的にホモグラフィー推定タスクとして扱われ、可視画像領域を平面場モデルにマッピングし、主にメインカメラショットに焦点を当てる。
従来のアプローチの欠点に対処するため,3次元サッカー場モデルを用いたカメラキャリブレーションが可能なキャリブレーションパイプラインを提案し,そのプロセスを拡張し,放送ビデオのマルチビュー特性を評価する。
当社のアプローチは,裁判所の幾何学的特性を活用するために,FocoNetデータセットアノテーションをベースとしたキーポイント生成パイプラインから始まります。
その後、DLTアルゴリズムによる古典的なカメラキャリブレーションを最小限の方法で実行し、さらなる改善は行わない。
SoccerNet-Calibration, WorldCup 2014, TS-WorldCupなどの実世界のサッカー放送データセットに関する広範な実験を通じて, マルチビュー・シングルビューの3Dカメラキャリブレーションにおいて, 最先端技術と比較して, ホモグラフィー推定の競争力を保ちながら, 優れた性能を示す。
関連論文リスト
- ESC: Evolutionary Stitched Camera Calibration in the Wild [0.15346678870160887]
マルチカメラ環境におけるキャリブレーションエラーの発生源を同定する。
本稿では,このギャップを埋めるために,進化型スタンプカメラキャリブレーションアルゴリズムを提案する。
実生活における多種多様なサッカー場における最先端の手法と比較して,提案手法の優れた性能を示す。
論文 参考訳(メタデータ) (2024-04-19T07:50:13Z) - A Universal Protocol to Benchmark Camera Calibration for Sports [6.011159943695013]
スポーツ分析におけるカメラキャリブレーションのための新しいベンチマークプロトコルを提案する。
本プロトコルは,カメラキャリブレーション手法の公平な評価を提供する。
私たちは、高い精度のスポーツアプリケーションのためのカメラキャリブレーションの新しいステージを開拓したいと考えています。
論文 参考訳(メタデータ) (2024-04-15T14:03:31Z) - Dual-Camera Smooth Zoom on Mobile Phones [55.4114152554769]
我々は、スムーズなズームプレビューを実現するために、新しいタスク、すなわちデュアルカメラスムーズズーム(DCSZ)を導入する。
フレームモデル (FI) 技術は潜在的な解決法であるが、地軸収集に苦慮している。
連続型仮想カメラを組み込んだデータファクトリソリューションを提案し,シーンの再構成された3DモデルをレンダリングしてDCSZデータを生成する。
論文 参考訳(メタデータ) (2024-04-07T10:28:01Z) - Monocular 3D Human Pose Estimation for Sports Broadcasts using Partial
Sports Field Registration [0.0]
スポーツ場の一部登録による2次元ポーズ推定とカメラキャリブレーションの進歩を組み合わせることで,有効な大規模運動データ収集の道筋を示す。
異なる視点、実行スタイル、ボディタイプを備えた、Unreal Engine 5で10k以上の画像の合成データセットを生成します。
論文 参考訳(メタデータ) (2023-04-10T07:41:44Z) - Deep Learning for Camera Calibration and Beyond: A Survey [104.36411095582947]
カメラキャリブレーションでは、キャプチャされたシーケンスから幾何学的特徴を推測するために、カメラパラメータを推定する。
近年の取り組みでは,手動キャリブレーションの繰り返し作業に代えて,学習ベースのソリューションが活用される可能性が示唆されている。
論文 参考訳(メタデータ) (2023-03-19T04:00:05Z) - Keypoint-less Camera Calibration for Sports Field Registration in Soccer [11.374200381593267]
セグメント対応からカメラのポーズと焦点距離を学習できる、微分可能な目的関数を導入する。
放送されたサッカー画像から3次元スポーツフィールドを登録するための新しい手法を提案する。
論文 参考訳(メタデータ) (2022-07-24T10:31:25Z) - Pixel2Mesh++: 3D Mesh Generation and Refinement from Multi-View Images [82.32776379815712]
カメラポーズの有無にかかわらず、少数のカラー画像から3次元メッシュ表現における形状生成の問題について検討する。
我々は,グラフ畳み込みネットワークを用いたクロスビュー情報を活用することにより,形状品質をさらに向上する。
我々のモデルは初期メッシュの品質とカメラポーズの誤差に頑健であり、テスト時間最適化のための微分関数と組み合わせることができる。
論文 参考訳(メタデータ) (2022-04-21T03:42:31Z) - Self-Supervised Camera Self-Calibration from Video [34.35533943247917]
汎用カメラモデルの効率的なファミリーを用いてシーケンスごとのキャリブレーションパラメータを回帰する学習アルゴリズムを提案する。
提案手法は,サブピクセル再投射誤差による自己校正を行い,他の学習手法よりも優れる。
論文 参考訳(メタデータ) (2021-12-06T19:42:05Z) - Camera Calibration and Player Localization in SoccerNet-v2 and
Investigation of their Representations for Action Spotting [61.92132798351982]
大規模サッカーネットデータセット上で,最近のニューラルネットワークアーキテクチャにおいて,強力な商用キャリブレーションツールを蒸留する。
そこで我々は,キャリブレーション結果とプレイヤーのローカライゼーションの3つの方法を提案する。
soccernet-v2のアクションスポッティングタスクに、現在のベストアーキテクチャ内でこれらの表現を利用する。
論文 参考訳(メタデータ) (2021-04-19T14:21:05Z) - Wide-angle Image Rectification: A Survey [86.36118799330802]
広角画像は、基礎となるピンホールカメラモデルに反する歪みを含む。
これらの歪みを補正することを目的とした画像修正は、これらの問題を解決することができる。
本稿では、異なるアプローチで使用されるカメラモデルについて、詳細な説明と議論を行う。
次に,従来の幾何学に基づく画像修正手法と深層学習法の両方について検討する。
論文 参考訳(メタデータ) (2020-10-30T17:28:40Z) - Lightweight Multi-View 3D Pose Estimation through Camera-Disentangled
Representation [57.11299763566534]
空間校正カメラで撮影した多視点画像から3次元ポーズを復元する手法を提案する。
我々は3次元形状を利用して、入力画像をカメラ視点から切り離したポーズの潜在表現に融合する。
アーキテクチャは、カメラプロジェクション演算子に学習した表現を条件付け、ビュー当たりの正確な2次元検出を生成する。
論文 参考訳(メタデータ) (2020-04-05T12:52:29Z)
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。