論文の概要: SoccerNet Game State Reconstruction: End-to-End Athlete Tracking and Identification on a Minimap

• arxiv url: http://arxiv.org/abs/2404.11335v1
• Date: Wed, 17 Apr 2024 12:53:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-18 14:04:48.452205
• Title: SoccerNet Game State Reconstruction: End-to-End Athlete Tracking and Identification on a Minimap
• Title（参考訳）: SoccerNetゲーム状態再構築:ミニマップ上でのエンド・ツー・エンドの選手追跡と識別
• Authors: Vladimir Somers, Victor Joos, Anthony Cioppa, Silvio Giancola, Seyed Abolfazl Ghasemzadeh, Floriane Magera, Baptiste Standaert, Amir Mohammad Mansourian, Xin Zhou, Shohreh Kasaei, Bernard Ghanem, Alexandre Alahi, Marc Van Droogenbroeck, Christophe De Vleeschouwer,
• Abstract要約: 我々は、ゲーム状態再構成のタスクを形式化し、フットボールビデオに焦点を当てた新しいゲーム状態再構成データセットである、サッカーネット-GSRを紹介する。 SoccerNet-GSRは、ピッチローカライゼーションとカメラキャリブレーションのための937万行のアノテートにより、30秒間の200の動画シーケンスで構成されている。 我々の実験は、GSRは挑戦的な新しい課題であり、将来の研究の場を開くことを示している。
• 参考スコア（独自算出の注目度）: 102.5232204867158
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tracking and identifying athletes on the pitch holds a central role in collecting essential insights from the game, such as estimating the total distance covered by players or understanding team tactics. This tracking and identification process is crucial for reconstructing the game state, defined by the athletes' positions and identities on a 2D top-view of the pitch, (i.e. a minimap). However, reconstructing the game state from videos captured by a single camera is challenging. It requires understanding the position of the athletes and the viewpoint of the camera to localize and identify players within the field. In this work, we formalize the task of Game State Reconstruction and introduce SoccerNet-GSR, a novel Game State Reconstruction dataset focusing on football videos. SoccerNet-GSR is composed of 200 video sequences of 30 seconds, annotated with 9.37 million line points for pitch localization and camera calibration, as well as over 2.36 million athlete positions on the pitch with their respective role, team, and jersey number. Furthermore, we introduce GS-HOTA, a novel metric to evaluate game state reconstruction methods. Finally, we propose and release an end-to-end baseline for game state reconstruction, bootstrapping the research on this task. Our experiments show that GSR is a challenging novel task, which opens the field for future research. Our dataset and codebase are publicly available at https://github.com/SoccerNet/sn-gamestate.
• Abstract（参考訳）: ピッチ上の選手の追跡と識別は、プレイヤーがカバーする全距離を推定したり、チームの戦術を理解するなど、ゲームから重要な洞察を集める上で中心的な役割を果たす。 このトラッキングと識別処理は、ピッチの2Dトップビュー(すなわちミニマップ)上の選手の位置とアイデンティティによって定義されるゲーム状態の再構築に不可欠である。 しかし、1台のカメラで撮影したビデオからゲームの状態を再構築することは困難である。 フィールド内の選手をローカライズし識別するために、選手の位置とカメラの視点を理解する必要がある。 本稿では,ゲーム状態再構成のタスクを形式化し,サッカー映像に着目した新しいゲーム状態再構成データセットであるFocoNet-GSRを紹介する。 SoccerNet-GSRは、ピッチローカライゼーションとカメラキャリブレーションのための937万ラインポイントのアノテートされた30秒間の200のビデオシーケンスと、それぞれの役割、チーム、ジャージー番号でピッチ上の236万以上のアスリートのポジションで構成されている。 さらに,ゲーム状態復元手法を評価する新しい指標であるGS-HOTAを紹介する。 最後に,ゲーム状態復元のためのエンド・ツー・エンドのベースラインを提案し,その研究をブートストラップする。 我々の実験は、GSRは挑戦的な新しい課題であり、将来の研究の場を開くことを示している。 データセットとコードベースはhttps://github.com/SoccerNet/sn-gamestate.comで公開されています。

関連論文リスト

• 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)
• Total-Recon: Deformable Scene Reconstruction for Embodied View Synthesis [76.72505510632904]
  長い単眼のRGBDビデオから変形可能なシーンを再構成する最初の方法であるTotal-Reconを提案する。 本手法は背景と物体にシーンを階層的に分解し,動作を根体運動と局所的調音に分解する。
  論文  参考訳（メタデータ） (2023-04-24T17:59:52Z)
• 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)
• SoccerNet 2022 Challenges Results [167.6158475931228]
  SoccerNet 2022 チャレンジ(英語: SoccerNet 2022 Challenge)は、サッカーネットチームが主催する2回目のビデオ理解チャレンジである。 2022年、課題は6つの視覚ベースのタスクで構成された。 昨年の課題と比較すると、タスク(1-2)は、より厳密な時間的アキュラシーを検討するために評価基準を再定義し、基礎となるデータやアノテーションを含むタスク(3-6)は新しくなった。
  論文  参考訳（メタデータ） (2022-10-05T16:12:50Z)
• 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)
• 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)
• Real-Time Camera Pose Estimation for Sports Fields [43.50671336931042]
  画像中の特定のキーポイントの正確な位置同定とロバスト同定を組み合わせた新しいフレームワークを提案する。 提案アルゴリズムは,地平面の位置を仮定して,フィールドラインとプレーヤの画像位置の両方を利用する。 サッカー、バスケットボール、バレーボールのベンチマークデータセットに挑戦する上で、その効果を実証する。
  論文  参考訳（メタデータ） (2020-03-31T11:27:33Z)

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。