論文の概要: Space evaluation based on pitch control using drone video in Ultimate
- arxiv url: http://arxiv.org/abs/2409.14588v1
- Date: Tue, 3 Sep 2024 01:19:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-06 21:57:16.697613
- Title: Space evaluation based on pitch control using drone video in Ultimate
- Title（参考訳）: アルティメットにおけるドローン映像を用いたピッチ制御による空間評価
- Authors: Shunsuke Iwashita, Atom Scott, Rikuhei Umemoto, Ning Ding, Keisuke Fujii,
- Abstract要約: 本研究は,アルティメットで広く採用されている3-on-3フォーマットに着目し,攻撃的プレイにおける空間評価を行う。
モデルはサッカーのピッチコントロールモデルから派生し、ディスクを保持するプレイヤーが静止しているUltimateのルールに適合する。
位置重みと距離重みをピッチ制御値と統合することにより、空間評価指標の導出が可能となる。
- 参考スコア（独自算出の注目度）: 8.896958616329611
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Ultimate is a sport in which teams of seven players compete for points by passing a disc into the end zone. A distinctive aspect of Ultimate is that the player holding the disc is unable to move, underscoring the significance of creating space to receive passes. Despite extensive research into space evaluation in sports such as football and basketball, there is a paucity of information available for Ultimate. This study focuses on the 3-on-3 format, which is widely practiced in Ultimate, and evaluates space during offensive play. The data collection process entailed the use of drones for filming and the subsequent correction of the angles for the purpose of obtaining positional data. The model is derived from the pitch control model of soccer and adapted to the rules of Ultimate, where the player holding the disc is stationary. The integration of position and distance weights with pitch control values enables the derivation of space evaluation metrics. The findings of this study indicate that movement to create space and accurate passing into that space are both significant factors in scoring. The code is available at https://github.com/shunsuke-iwashita/USO.
- Abstract（参考訳）: アルティメットは、7人のプレーヤーがディスクをエンドゾーンに渡すことでポイントを競うスポーツである。
アルティメットの特筆すべき側面は、ディスクを持っているプレイヤーは移動できず、パスを受け取るための空間を作成することの重要性を暗示していることである。
サッカーやバスケットボールなどのスポーツにおける宇宙評価に関する広範な研究にもかかわらず、アルティメットには多くの情報がある。
本研究は,アルティメットで広く採用されている3-on-3フォーマットに着目し,攻撃的プレイにおける空間評価を行う。
データ収集プロセスは、位置データを取得するために、撮影用のドローンの使用とその後の角度の補正を伴っていた。
モデルはサッカーのピッチコントロールモデルから派生し、ディスクを保持するプレイヤーが静止しているUltimateのルールに適合する。
位置重みと距離重みをピッチ制御値と統合することにより、空間評価指標の導出が可能となる。
本研究の結果は,空間を創り出す動きと,その空間を正確に通過させる動きが,スコアリングにおいて重要な要因であることが示唆された。
コードはhttps://github.com/shunsuke-iwashita/USO.comで公開されている。
関連論文リスト
- SoccerNet Game State Reconstruction: End-to-End Athlete Tracking and Identification on a Minimap [102.5232204867158]
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。
論文 参考訳（メタデータ） (2024-04-17T12:53:45Z) - Passing Heatmap Prediction Based on Transformer Model and Tracking Data [0.0]
本研究では,パスの潜在的な終端位置を予測できる新しいディープラーニングネットワークアーキテクチャを提案する。
28,000回以上のイベントを解析すると、0.7以上のTop-1精度で堅牢な予測が達成される。
また、この予測に基づいて、ピッチコントロールとパスオプションをよりよく理解することで、選手のオフボール運動が防御性能に与える影響を測定することができる。
論文 参考訳（メタデータ） (2023-09-04T11:14:22Z) - Estimation of control area in badminton doubles with pose information
from top and back view drone videos [11.679451300997016]
我々はバドミントンダブルスでトップとバックビューから最初の注釈付きドローンデータセットを提示する。
チームワークのパフォーマンスを評価するために,制御領域の確率マップを推定するフレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-07T11:18:39Z) - 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) - An Effective Motion-Centric Paradigm for 3D Single Object Tracking in
Point Clouds [50.19288542498838]
LiDARポイントクラウド(LiDAR SOT)における3Dシングルオブジェクトトラッキングは、自動運転において重要な役割を果たす。
現在のアプローチはすべて、外観マッチングに基づくシームズパラダイムに従っている。
我々は新たな視点からLiDAR SOTを扱うための動き中心のパラダイムを導入する。
論文 参考訳（メタデータ） (2023-03-21T17:28:44Z) - KaliCalib: A Framework for Basketball Court Registration [1.052782170493037]
本稿では,MMSports 2022カメラキャリブレーションにおける新しいバスケットボールコート登録フレームワークについて述べる。
この手法は,視点制約でサンプリングされたキーポイントの位置をエンコーダ・デコーダネットワークで推定する。
論文 参考訳（メタデータ） (2022-09-16T08:52:29Z) - 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) - Gravity-Aware Monocular 3D Human-Object Reconstruction [73.25185274561139]
本稿では,共同マーカーレス3次元モーションキャプチャとモノクロRGB映像からの物体軌跡推定のための新しい手法を提案する。
自由飛行中に部分的に観察された物体を含むシーンに焦点を当てた。
実験では, 各種計測値を用いた3次元モーションキャプチャにおいて, 最先端の精度を実現する。
論文 参考訳（メタデータ） (2021-08-19T17:59:57Z) - Dogfight: Detecting Drones from Drones Videos [58.158988162743825]
本稿では,他の飛行ドローンからドローンを検知する問題に対処する。
ソースとターゲットドローンのエロティックな動き、小型、任意の形状、大きな強度、および閉塞は、この問題を非常に困難にします。
これに対処するため,地域提案に基づく手法ではなく,2段階のセグメンテーションに基づく手法を提案する。
論文 参考訳（メタデータ） (2021-03-31T17:43:31Z) - Learning to Play Cup-and-Ball with Noisy Camera Observations [2.6931502677545947]
球技に対する学習モデルに基づく制御戦略を提案する。
Universal Robots UR5eのマニピュレータアームは、ケンダマのカップの1つでボールをキャッチすることを学ぶ。
論文 参考訳（メタデータ） (2020-07-19T02:22:36Z) - Fusing Motion Patterns and Key Visual Information for Semantic Event
Recognition in Basketball Videos [87.29451470527353]
バスケットボールビデオのセマンティックイベント認識のために,グローバル・ローカル・モーション・パターン(MP)とキー視覚情報(KVI)を融合する手法を提案する。
カメラ調整の本質的特性に基づいて, 混合運動から大域的な動きを推定するアルゴリズムを提案する。
グローバル・ローカル・モーション・パターンを分離した2ストリーム3D CNNフレームワークを用いてグループ活動認識を行う。
論文 参考訳（メタデータ） (2020-07-13T10:15:44Z)
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。