論文の概要: A Universal Protocol to Benchmark Camera Calibration for Sports
- arxiv url: http://arxiv.org/abs/2404.09807v1
- Date: Mon, 15 Apr 2024 14:03:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-17 22:07:08.319497
- Title: A Universal Protocol to Benchmark Camera Calibration for Sports
- Title（参考訳）: スポーツ用カメラキャリブレーションベンチマークのためのユニバーサルプロトコル
- Authors: Floriane Magera, Thomas Hoyoux, Olivier Barnich, Marc Van Droogenbroeck,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 6.011159943695013
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Camera calibration is a crucial component in the realm of sports analytics, as it serves as the foundation to extract 3D information out of the broadcast images. Despite the significance of camera calibration research in sports analytics, progress is impeded by outdated benchmarking criteria. Indeed, the annotation data and evaluation metrics provided by most currently available benchmarks strongly favor and incite the development of sports field registration methods, i.e. methods estimating homographies that map the sports field plane to the image plane. However, such homography-based methods are doomed to overlook the broader capabilities of camera calibration in bridging the 3D world to the image. In particular, real-world non-planar sports field elements (such as goals, corner flags, baskets, ...) and image distortion caused by broadcast camera lenses are out of the scope of sports field registration methods. To overcome these limitations, we designed a new benchmarking protocol, named ProCC, based on two principles: (1) the protocol should be agnostic to the camera model chosen for a camera calibration method, and (2) the protocol should fairly evaluate camera calibration methods using the reprojection of arbitrary yet accurately known 3D objects. Indirectly, we also provide insights into the metric used in SoccerNet-calibration, which solely relies on image annotation data of viewed 3D objects as ground truth, thus implementing our protocol. With experiments on the World Cup 2014, CARWC, and SoccerNet datasets, we show that our benchmarking protocol provides fairer evaluations of camera calibration methods. By defining our requirements for proper benchmarking, we hope to pave the way for a new stage in camera calibration for sports applications with high accuracy standards.
- Abstract（参考訳）: カメラキャリブレーションはスポーツ分析の領域において重要な要素であり、放送画像から3D情報を抽出する基盤となっている。
スポーツ分析におけるカメラキャリブレーション研究の重要性にもかかわらず、進歩は時代遅れのベンチマーク基準によって妨げられている。
実際、現在利用可能なほとんどのベンチマークで提供されるアノテーションデータと評価指標は、スポーツフィールドの登録方法、すなわち、スポーツフィールドの平面をイメージプレーンにマッピングするホモグラフを推定する手法の開発を強く支持し、引用している。
しかし、このようなホモグラフィーに基づく手法は、画像に3D世界をブリッジする際のカメラキャリブレーションの幅広い能力を見落としている。
特に、実世界の非平面フィールド要素(ゴール、コーナーフラッグ、バスケット、...)と放送カメラレンズによる画像歪みは、スポーツフィールド登録方法の範囲外である。
これらの制約を克服するために,我々は,(1)カメラキャリブレーション法に選択されたカメラモデルに依存しない新しいベンチマークプロトコル ProCC を設計し,(2) 任意の正確な3Dオブジェクトの再投影によるカメラキャリブレーション手法を適切に評価する。
間接的に3Dオブジェクトのイメージアノテーションデータのみを根拠として,我々のプロトコルを実装したサッカーネット校正におけるメトリクスの洞察も提供する。
ワールドカップ2014、CARWC、サッカーネットのデータセットの実験により、我々のベンチマークプロトコルは、カメラキャリブレーション手法をより公平に評価できることが示されている。
適切なベンチマークの要件を定義することで、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たなステージを開拓したいと考えています。
関連論文リスト
- EF-3DGS: Event-Aided Free-Trajectory 3D Gaussian Splatting [76.02450110026747]
生物学的ビジョンにインスパイアされたイベントカメラは、時間分解能の高い画素の強度を非同期に記録する。
本稿では,イベントカメラの利点を3DGSにシームレスに統合するイベント支援フリートラジェクトリ3DGSを提案する。
提案手法を,パブリックタンクとテンプルのベンチマークと,新たに収集した実世界のデータセットであるRealEv-DAVISで評価した。
論文 参考訳（メタデータ） (2024-10-20T13:44:24Z) - Enhancing Soccer Camera Calibration Through Keypoint Exploitation [0.0]
本稿では,高品質な点対を得るという課題に対処する多段階パイプラインを提案する。
本手法は,直線交点や直線-円錐交点,円錐上の点,その他の幾何学的特徴を活用することにより,校正に利用できる点の数を大幅に増加させる。
我々は,サッカー放送カメラのキャリブレーション・データセットの最大化について検討し,サッカーネットカメラチャレンジ2023でトップの地位を確保した。
論文 参考訳（メタデータ） (2024-10-09T20:01:14Z) - KRONC: Keypoint-based Robust Camera Optimization for 3D Car Reconstruction [58.04846444985808]
KRONCは、オブジェクトに関する事前知識を活用して、セマンティックキーポイントを通してその表現を再構築することで、ビューポーズを推論する新しいアプローチである。
車両シーンに焦点を当てたKRONCは、キーポイントのバックプロジェクションを特異点に収束させることを目的とした光最適化問題の解として、ビューの位置を推定することができる。
論文 参考訳（メタデータ） (2024-09-09T08:08:05Z) - PnLCalib: Sports Field Registration via Points and Lines Optimization [16.278222277579655]
放送されたスポーツビデオのカメラキャリブレーションは、正確なスポーツフィールドの登録に多くの課題をもたらす。
従来の検索ベースの手法は初期カメラのポーズ推定に依存しており、非標準位置で苦労する可能性がある。
本稿では,3次元サッカー場モデルと予め定義されたキーポイントのセットを利用して,これらの制限を克服する最適化に基づくキャリブレーションパイプラインを提案する。
論文 参考訳（メタデータ） (2024-04-12T11:15:15Z) - W-HMR: Monocular Human Mesh Recovery in World Space with Weak-Supervised Calibration [57.37135310143126]
モノクロ画像からの3次元運動回復のための従来の手法は、カメラ座標に依存するため、しばしば不足する。
W-HMRは、身体の歪み情報に基づいて「適切な」焦点長を予測する弱教師付き校正法である。
また,世界空間における可視的再構築のために,身体の向きを補正する OrientCorrect モジュールを提案する。
論文 参考訳（メタデータ） (2023-11-29T09:02:07Z) - E-Calib: A Fast, Robust and Accurate Calibration Toolbox for Event Cameras [18.54225086007182]
E-Calibは、イベントカメラの新しい、高速で、堅牢で、正確なキャリブレーションツールボックスである。
提案手法は,様々なイベントカメラモデルに対する様々な厳密な実験で検証される。
論文 参考訳（メタデータ） (2023-06-15T12:16:38Z) - 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 [100.75060862015945]
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) - Extrinsic Camera Calibration with Semantic Segmentation [60.330549990863624]
本稿では,セグメンテーション情報を利用してパラメータ推定を自動化する,外部カメラキャリブレーション手法を提案する。
われわれのアプローチは、カメラのポーズの粗い初期測定と、車両に搭載されたライダーセンサーによる構築に依存している。
シミュレーションおよび実世界のデータを用いて,キャリブレーション結果の低誤差測定を行う。
論文 参考訳（メタデータ） (2022-08-08T07:25:03Z) - 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) - Infrastructure-based Multi-Camera Calibration using Radial Projections [117.22654577367246]
パターンベースのキャリブレーション技術は、カメラの内在を個別にキャリブレーションするために使用することができる。
Infrastucture-based calibration techniqueはSLAMやStructure-from-Motionで事前に構築した3Dマップを用いて外部情報を推定することができる。
本稿では,インフラストラクチャベースのアプローチを用いて,マルチカメラシステムをスクラッチから完全にキャリブレーションすることを提案する。
論文 参考訳（メタデータ） (2020-07-30T09:21:04Z)
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。