論文の概要: Pose2Trajectory: Using Transformers on Body Pose to Predict Tennis Player's Trajectory

• arxiv url: http://arxiv.org/abs/2411.04501v1
• Date: Thu, 07 Nov 2024 07:50:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-08 19:38:42.103883
• Title: Pose2Trajectory: Using Transformers on Body Pose to Predict Tennis Player's Trajectory
• Title（参考訳）: Pose2Trajectory: 体ポスにトランスフォーマーを用いたテニス選手の軌道予測
• Authors: Ali K. AlShami, Terrance Boult, Jugal Kalita,
• Abstract要約: テニス選手の身体関節データとボール位置から導かれるシーケンスとして,選手の将来の軌跡を予測するPose2Trajectoryを提案する。 我々は,ボール位置を持つ選手の関節および軌道情報に基づいて訓練されたエンコーダ・デコーダ変換器アーキテクチャを用いる。 複数のビデオから高品質なデータセットを生成し、物体検出と人間のポーズ推定手法を用いてテニス選手の動き予測を支援する。
• 参考スコア（独自算出の注目度）: 6.349503549199403
• License:
• Abstract: Tracking the trajectory of tennis players can help camera operators in production. Predicting future movement enables cameras to automatically track and predict a player's future trajectory without human intervention. Predicting future human movement in the context of complex physical tasks is also intellectually satisfying. Swift advancements in sports analytics and the wide availability of videos for tennis have inspired us to propose a novel method called Pose2Trajectory, which predicts a tennis player's future trajectory as a sequence derived from their body joints' data and ball position. Demonstrating impressive accuracy, our approach capitalizes on body joint information to provide a comprehensive understanding of the human body's geometry and motion, thereby enhancing the prediction of the player's trajectory. We use encoder-decoder Transformer architecture trained on the joints and trajectory information of the players with ball positions. The predicted sequence can provide information to help close-up cameras to keep tracking the tennis player, following centroid coordinates. We generate a high-quality dataset from multiple videos to assist tennis player movement prediction using object detection and human pose estimation methods. It contains bounding boxes and joint information for tennis players and ball positions in singles tennis games. Our method shows promising results in predicting the tennis player's movement trajectory with different sequence prediction lengths using the joints and trajectory information with the ball position.
• Abstract（参考訳）: テニス選手の軌跡を追跡することで、カメラオペレーターのプロダクションを支援することができる。 将来の動きを予測することで、カメラは人間の介入なしにプレイヤーの将来の軌道を自動的に追跡し、予測することができる。 複雑な物理的タスクの文脈における将来の人間の動きを予測することも知的に満足している。 スポーツ分析におけるスウィフトの進歩とテニス用ビデオの普及は,テニス選手の身体関節のデータとボールの位置から導かれるシーケンスとして,テニス選手の将来軌道を予測するPose2Trajectoryという新しい手法を提案するきっかけとなった。 そこで本研究では,身体の形状や動きを総合的に把握し,選手の軌跡の予測を向上させるために,身体の関節情報を活用する手法を提案する。 我々は,ボール位置を持つ選手の関節および軌道情報に基づいて訓練されたエンコーダ・デコーダ変換器アーキテクチャを用いる。 予測シーケンスは、Centroid座標に従って、クローズアップカメラがテニス選手を追跡し続けるのに役立つ情報を提供することができる。 複数のビデオから高品質なデータセットを生成し、物体検出と人間のポーズ推定手法を用いてテニス選手の動き予測を支援する。 シングルステニスの試合では、バウンディングボックスとテニス選手のジョイント情報とボールポジションが含まれている。 テニス選手の移動軌跡を,ボール位置の関節と軌跡情報を用いて,異なる順序予測長で予測する有望な結果を示す。

関連論文リスト

• Forecasting Future Videos from Novel Views via Disentangled 3D Scene Representation [54.60804602905519]
  我々は、階層化されたシーン形状、動き予測、新しいビュー合成を一緒にモデル化することを目的として、絡み合った表現を学習する。 本手法では,2次元のシーンを3次元の点群に持ち上げることによって,シーン形状をシーンの動きから切り離す。 将来の3次元シーンの動作をモデル化するために,まず自我運動を予測し,その後に動的物体の残留運動を予測する2段階のアンタングル手法を提案する。
  論文  参考訳（メタデータ） (2024-07-31T08:54:50Z)
• FootBots: A Transformer-based Architecture for Motion Prediction in Soccer [28.32714256545306]
  FootBotsは、動作予測と条件付き動作予測に対処するエンコーダ・デコーダベースのアーキテクチャである。 FootBotsは、設定されたアテンションブロックとマルチアテンションブロックデコーダを使用して、時間的および社会的ダイナミクスをキャプチャする。 実際のサッカーデータに対する実証的な結果は、フットボットがモーション予測においてベースラインを上回っていることを示している。
  論文  参考訳（メタデータ） (2024-06-28T11:49:59Z)
• Predicting Long-horizon Futures by Conditioning on Geometry and Time [49.86180975196375]
  我々は,過去を前提とした将来のセンサ観測の課題を探求する。 マルチモーダリティを扱える画像拡散モデルの大規模事前学習を活用する。 我々は、屋内と屋外のシーンにまたがる多様なビデオのセットについて、ビデオ予測のためのベンチマークを作成する。
  論文  参考訳（メタデータ） (2024-04-17T16:56:31Z)
• Social-Transmotion: Promptable Human Trajectory Prediction [65.80068316170613]
  Social-Transmotionは、多種多様な視覚的手がかりを利用して人間の行動を予測する、汎用トランスフォーマーベースのモデルである。 提案手法は,JTA,JRDB,歩行者,道路交通のサイクリスト,ETH-UCYなど,複数のデータセットで検証されている。
  論文  参考訳（メタデータ） (2023-12-26T18:56:49Z)
• Ball Trajectory Inference from Multi-Agent Sports Contexts Using Set Transformer and Hierarchical Bi-LSTM [18.884300680050316]
  本稿では,ボールトラッキングに代わる費用対効果として,選手軌道からの球軌道推定フレームワークを提案する。 実験の結果,本モデルでは,自然かつ正確な軌道と,許容可能な球の保持を同時に行うことができることがわかった。 提案するフレームワークの実用的応用には,トラジェクティブ・インプットの欠如,半自動パスアノテーション,マッチブロードキャストのための自動ズームイン,保持可能な性能指標の算出などがある。
  論文  参考訳（メタデータ） (2023-06-14T02:19:59Z)
• Who You Play Affects How You Play: Predicting Sports Performance Using Graph Attention Networks With Temporal Convolution [29.478765505215538]
  本研究では,スポーツにおける選手のパフォーマンスを予測するための新しい深層学習手法であるGATv2-GCNを提案する。 グラフアテンションネットワークを使用して、各プレイヤーが互いに支払うアテンションをキャプチャし、より正確なモデリングを可能にします。 実世界スポーツデータを用いたモデルの性能評価を行い,選手のパフォーマンス予測の有効性を実証した。
  論文  参考訳（メタデータ） (2023-03-29T14:48:51Z)
• Graph Neural Networks to Predict Sports Outcomes [0.0]
  スポーツに依存しないグラフによるゲーム状態の表現を導入する。 次に、提案したグラフ表現をグラフニューラルネットワークの入力として使用し、スポーツ結果を予測する。
  論文  参考訳（メタデータ） (2022-07-28T14:45:02Z)
• P2ANet: A Dataset and Benchmark for Dense Action Detection from Table Tennis Match Broadcasting Videos [64.57435509822416]
  この作品は、ワールド・テーブルテニス選手権とオリンピアードのプロの卓球試合の放送ビデオから収集された2,721本のビデオクリップで構成されている。 強調局所化と強調認識という2つのアクション検出問題を定式化する。 その結果、TheNameは依然として困難なタスクであり、ビデオからの高密度なアクション検出のための特別なベンチマークとして使用できることを確認した。
  論文  参考訳（メタデータ） (2022-07-26T08:34:17Z)
• Table Tennis Stroke Recognition Using Two-Dimensional Human Pose Estimation [0.0]
  本稿では,卓球映像データを集め,ストローク検出と分類を行う新しい手法を提案する。 14人のプロ卓球選手から得られた11の基本的なストロークのビデオデータを含む多様なデータセットが収集されている。 2次元ポーズ推定を用いて開発された時間畳み込みニューラルネットワークモデルは、これら11の卓球ストロークのマルチクラス分類を行う。
  論文  参考訳（メタデータ） (2021-04-20T11:32:43Z)
• Contact and Human Dynamics from Monocular Video [73.47466545178396]
  既存のディープモデルは、ほぼ正確に見えるエラーを含むビデオから2Dと3Dキネマティックのポーズを予測する。 本稿では,最初の2次元と3次元のポーズ推定を入力として,映像系列から3次元の人間の動きを推定する物理に基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-07-22T21:09:11Z)
• AutoTrajectory: Label-free Trajectory Extraction and Prediction from Videos using Dynamic Points [92.91569287889203]
  軌道抽出と予測のための新しいラベルなしアルゴリズムAutoTrajectoryを提案する。 動画中の移動物体をよりよく捉えるために,ダイナミックポイントを導入する。 ビデオ内の歩行者などの移動物体を表すインスタンスポイントに動的ポイントを集約する。
  論文  参考訳（メタデータ） (2020-07-11T08:43:34Z)

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。