論文の概要: PLayerTV: Advanced Player Tracking and Identification for Automatic Soccer Highlight Clips
- arxiv url: http://arxiv.org/abs/2407.16076v1
- Date: Mon, 22 Jul 2024 22:27:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-24 19:05:22.021489
- Title: PLayerTV: Advanced Player Tracking and Identification for Automatic Soccer Highlight Clips
- Title（参考訳）: PLayerTV: 自動サッカーハイライトクリップのための高度な選手追跡と識別
- Authors: Håkon Maric Solberg, Mehdi Houshmand Sarkhoosh, Sushant Gautam, Saeed Shafiee Sabet, Pål Halvorsen, Cise Midoglu,
- Abstract要約: PlayerTVは、サッカービデオの自動プレーヤー追跡と識別に最先端のAI技術を活用する革新的なフレームワークである。
オブジェクトの検出と追跡、光学文字認識(OCR)、色解析を統合することで、PlayerTVはプレイヤー固有のハイライトクリップの生成を容易にする。
ノルウェーのエリテセリエンリーグのデータセットでテストしたコアパイプラインの評価から得られた予備的な結果は、PlayerTVがチームや選手を正確にかつ効率的に識別できることを示唆している。
- 参考スコア（独自算出の注目度）: 2.3920366469105088
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the rapidly evolving field of sports analytics, the automation of targeted video processing is a pivotal advancement. We propose PlayerTV, an innovative framework which harnesses state-of-the-art AI technologies for automatic player tracking and identification in soccer videos. By integrating object detection and tracking, Optical Character Recognition (OCR), and color analysis, PlayerTV facilitates the generation of player-specific highlight clips from extensive game footage, significantly reducing the manual labor traditionally associated with such tasks. Preliminary results from the evaluation of our core pipeline, tested on a dataset from the Norwegian Eliteserien league, indicate that PlayerTV can accurately and efficiently identify teams and players, and our interactive Graphical User Interface (GUI) serves as a user-friendly application wrapping this functionality for streamlined use.
- Abstract（参考訳）: スポーツ分析の分野では、ターゲットとなるビデオ処理の自動化が重要な進歩である。
本稿では,サッカービデオにおける選手の自動追跡と識別に最先端のAI技術を活用する,革新的なフレームワークであるPlayerTVを提案する。
オブジェクトの検出と追跡、光学文字認識(OCR)、色分析を統合することで、PlayerTVは、広範囲なゲーム映像からプレイヤー固有のハイライトクリップを生成するのに役立つ。
ノルウェーのエリテセリエンリーグのデータセットでテストされたコアパイプラインの評価による予備的な結果から、PlayerTVはチームやプレーヤを正確かつ効率的に識別でき、インタラクティブなグラフィカルユーザインタフェース(GUI)は、この機能を合理化するためにラップするユーザフレンドリなアプリケーションとして機能することを示している。
関連論文リスト
- Deep Understanding of Soccer Match Videos [20.783415560412003]
サッカーは世界中で最も人気のあるスポーツの1つであり、主要な試合で頻繁に放送される。
本システムでは, サッカーボール, 選手, 審判などの重要な物体を検知できる。
また、プレイヤーとボールの動きを追跡し、プレイヤーの番号を認識し、シーンを分類し、ゴールキックのようなハイライトを識別する。
論文 参考訳（メタデータ） (2024-07-11T05:54:13Z) - Investigating Event-Based Cameras for Video Frame Interpolation in Sports [59.755469098797406]
本稿では,スポーツスローモーションビデオを生成するためのイベントベースビデオフレーム補間(VFI)モデルについて検討する。
特に,スポーツ映像を撮影するためのRGBとイベントベースカメラを含むバイカメラ記録装置の設計と実装を行い,両カメラの時間的整列と空間的登録を行う。
実験により,市販のイベントベースVFIモデルであるTimeLensが,スポーツビデオのスローモーション映像を効果的に生成できることが実証された。
論文 参考訳（メタデータ） (2024-07-02T15:39:08Z) - A Graph-Based Method for Soccer Action Spotting Using Unsupervised
Player Classification [75.93186954061943]
アクションスポッティングには、ゲームのダイナミクス、イベントの複雑さ、ビデオシーケンスのバリエーションを理解することが含まれる。
本研究では, (a) 選手, 審判, ゴールキーパーをグラフのノードとして識別し, および (b) 時間的相互作用をグラフのシーケンスとしてモデル化することによって, 前者に焦点を当てる。
プレーヤ識別タスクでは,他のモダリティと組み合わせることで,平均mAPの57.83%の総合的な性能が得られる。
論文 参考訳（メタデータ） (2022-11-22T15:23:53Z) - A Survey on Video Action Recognition in Sports: Datasets, Methods and
Applications [60.3327085463545]
本稿では,スポーツ分析のための映像行動認識に関する調査を行う。
サッカー、バスケットボール、バレーボール、ホッケー、フィギュアスケート、体操、卓球、ダイビング、バドミントンなど10種以上のスポーツを紹介します。
本研究では,サッカー,バスケットボール,卓球,フィギュアスケート動作認識をサポートするPaddlePaddleを用いたツールボックスを開発した。
論文 参考訳（メタデータ） (2022-06-02T13:19:36Z) - Evaluating deep tracking models for player tracking in broadcast ice
hockey video [20.850267622473176]
選手追跡は、ホッケー選手の動きが高速で非線形であるため、難しい問題である。
我々は、いくつかの最先端追跡アルゴリズムを比較し、アイスホッケーのパフォーマンスと失敗モードを分析した。
論文 参考訳（メタデータ） (2022-05-22T22:56:31Z) - 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) - Smart Director: An Event-Driven Directing System for Live Broadcasting [110.30675947733167]
Smart Directorは、典型的な人間向けブロードキャストプロセスを模倣して、ほぼ専門的なブロードキャストプログラムをリアルタイムで自動的に作成することを目指している。
本システムは,マルチカメラスポーツ放送における初のエンドツーエンド自動指向システムである。
論文 参考訳（メタデータ） (2022-01-11T16:14:41Z) - 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) - EventAnchor: Reducing Human Interactions in Event Annotation of Racket
Sports Videos [26.516909452362455]
EventAnchorは、ラケットスポーツビデオのインタラクティブなアノテーションを容易にするデータ分析フレームワークである。
このアプローチでは,コンピュータビジョンにおける機械学習モデルを用いて,ユーザがビデオから重要なイベントを取得するのを支援する。
論文 参考訳（メタデータ） (2021-01-13T09:32:05Z) - AI-enabled Prediction of eSports Player Performance Using the Data from
Heterogeneous Sensors [12.071865017583502]
我々は,センサのデータのみを用いて,eSportsプレーヤーのゲーム内パフォーマンスを予測する人工知能(AI)対応ソリューションについて報告する。
リカレントニューラルネットワークを用いて、マルチプレイヤーゲームにおけるゲームログから、各モーメント毎のプレイヤー性能を評価する。
提案するソリューションはプロのeスポーツチームやアマチュア選手のための学習ツールに多くの有望な応用がある。
論文 参考訳（メタデータ） (2020-12-07T07:31:53Z) - 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。
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。