論文の概要: Enhanced Multi-Object Tracking Using Pose-based Virtual Markers in 3x3 Basketball
- arxiv url: http://arxiv.org/abs/2412.06258v1
- Date: Mon, 09 Dec 2024 07:16:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-10 14:54:43.784216
- Title: Enhanced Multi-Object Tracking Using Pose-based Virtual Markers in 3x3 Basketball
- Title（参考訳）: 3x3バスケットボールにおけるPose-based Virtual Markerを用いた多目的追跡の強化
- Authors: Li Yin, Calvin Yeung, Qingrui Hu, Jun Ichikawa, Hirotsugu Azechi, Susumu Takahashi, Keisuke Fujii,
- Abstract要約: 本研究では,チームスポーツのための新しい仮想マーカー(VM)MOT法,Sports-vmTrackingを提案する。
提案手法は平均 HOTA スコア72.3% を達成し,VM を含まない他の最先端メソッドよりも10ポイント以上高く,その結果,0 ID スイッチが得られた。
- 参考スコア（独自算出の注目度）: 3.072051066949152
- License:
- Abstract: Multi-object tracking (MOT) is crucial for various multi-agent analyses such as evaluating team sports tactics and player movements and performance. While pedestrian tracking has advanced with Tracking-by-Detection MOT, team sports like basketball pose unique challenges. These challenges include players' unpredictable movements, frequent close interactions, and visual similarities that complicate pose labeling and lead to significant occlusions, frequent ID switches, and high manual annotation costs. To address these challenges, we propose a novel pose-based virtual marker (VM) MOT method for team sports, named Sports-vmTracking. This method builds on the vmTracking approach developed for multi-animal tracking with active learning. First, we constructed a 3x3 basketball pose dataset for VMs and applied active learning to enhance model performance in generating VMs. Then, we overlaid the VMs on video to identify players, extract their poses with unique IDs, and convert these into bounding boxes for comparison with automated MOT methods. Using our 3x3 basketball dataset, we demonstrated that our VM configuration has been highly effective, and reduced the need for manual corrections and labeling during pose model training while maintaining high accuracy. Our approach achieved an average HOTA score of 72.3%, over 10 points higher than other state-of-the-art methods without VM, and resulted in 0 ID switches. Beyond improving performance in handling occlusions and minimizing ID switches, our framework could substantially increase the time and cost efficiency compared to traditional manual annotation.
- Abstract（参考訳）: 多目的追跡(MOT)は,チームスポーツの戦術や選手の動き,パフォーマンスなどの多目的分析において重要である。
トラッカー・バイ・ディテククションMOTでは歩行者追跡が進んでいるが、バスケットボールのようなチームスポーツには固有の課題がある。
これらの課題には、プレイヤーの予測不能な動作、頻繁な密接な相互作用、ラベル付けを複雑にし、重大な閉塞につながる視覚的類似性、頻繁なIDスイッチ、高手動アノテーションコストが含まれる。
これらの課題に対処するために,スポーツ・vmTrackingというチームスポーツのための新しいポーズベースの仮想マーカー(VM)MOT手法を提案する。
この手法は,能動学習を用いたマルチアニマルトラッキングのためのvmTrackingアプローチに基づいている。
まず,3x3のバスケットボールポーズデータセットを構築し,VM生成時のモデル性能を向上させるために能動的学習を適用した。
次に、ビデオ上のVMをオーバーレイしてプレイヤーを特定し、ユニークなIDでポーズを抽出し、それらをバウンディングボックスに変換し、自動MOT法と比較する。
3x3のバスケットボールデータセットを用いて、VM構成が極めて効果的であることを示し、高い精度を維持しながらポーズモデルのトレーニング中に手動修正やラベル付けの必要性を低減した。
提案手法は平均72.3%のHOTAスコアを達成し,VMを持たない他の最先端メソッドよりも10ポイント以上高く,結果として0 IDスイッチが得られた。
閉塞処理の性能向上やIDスイッチの最小化に加えて,従来の手動アノテーションと比較して,時間とコスト効率を大幅に向上させることができる。
関連論文リスト
- GTA: Global Tracklet Association for Multi-Object Tracking in Sports [28.771579713224085]
スポーツシナリオにおける多目的追跡は、コンピュータビジョンにおける焦点の1つとなっている。
トラッキング性能を向上させるために,外見に基づくグローバルトラックレットアソシエーションアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-11-12T22:16:50Z) - TrackNetV4: Enhancing Fast Sports Object Tracking with Motion Attention Maps [6.548400020461624]
本研究では,高次視覚特徴と学習可能な運動注意マップを融合させることにより,トラックネットファミリーの強化を実現する。
提案手法は,移動プロンプト層によって変調されたフレーム差分マップを利用して,時間とともに重要な動き領域をハイライトする。
我々は、既存のTrackNet上に構築された軽量のプラグイン・アンド・プレイソリューションをTrackNetV4と呼びます。
論文 参考訳（メタデータ） (2024-09-22T17:58:09Z) - Hybrid-SORT: Weak Cues Matter for Online Multi-Object Tracking [51.16677396148247]
Multi-Object Tracking (MOT) は、望まれるすべてのオブジェクトをフレーム間で検出し、関連付けることを目的としている。
本稿では,MOTにおけるこの長期的課題を,弱い手がかりを取り入れることで,効果的かつ効果的に解決できることを実証する。
提案手法は,MOT17,MOT20,特にDanceTrackなど,様々なベンチマークにおいて優れた性能を実現する。
論文 参考訳（メタデータ） (2023-08-01T18:53:24Z) - 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) - AttTrack: Online Deep Attention Transfer for Multi-object Tracking [4.5116674432168615]
マルチオブジェクトトラッキング(MOT)は、監視や自動運転といったインテリジェントなビデオ分析アプリケーションにおいて重要なコンポーネントである。
本稿では,複雑なネットワーク(教師)の高レベルな特徴から,学習時間と推論時間の両方で軽量なネットワーク(学生)に知識を伝達することにより,MOTの高速化を目指す。
提案した AttTrack フレームワークは,1) 教師モデルと学生モデルから中間表現を整合させるクロスモデル特徴学習,2) 推論時に2つのモデルの実行をインターリーブすること,3) 教師モデルから更新された予測を事前知識として取り入れ,学生モデルを支援する。
論文 参考訳（メタデータ） (2022-10-16T22:15:31Z) - Observation Centric and Central Distance Recovery on Sports Player
Tracking [24.396926939889532]
本稿では,バスケットボール,サッカー,バレーボールを含む3つのスポーツを対象とした,モーションベースのトラッキングアルゴリズムと3つのポストプロセッシングパイプラインを提案する。
本手法は,2022年のSportsmotワークショップ最終リーダーボードで3位にランクインした73.968のHOTAを達成した。
論文 参考訳（メタデータ） (2022-09-27T04:48:11Z) - InterTrack: Interaction Transformer for 3D Multi-Object Tracking [9.283656931246645]
3Dマルチオブジェクトトラッキング(MOT)は、自動運転車にとって重要な問題である。
提案手法であるInterTrackは,データアソシエーションのための識別対象表現を生成する。
我々はnuScenes 3D MOTベンチマークのアプローチを検証する。
論文 参考訳（メタデータ） (2022-08-17T03:24:36Z) - Distractor-Aware Fast Tracking via Dynamic Convolutions and MOT
Philosophy [63.91005999481061]
実用的長期トラッカーは、典型的には3つの重要な特性を含む。
効率的なモデル設計、効果的なグローバル再検出戦略、堅牢な気晴らし認識メカニズム。
動的畳み込み (d-convs) と多重オブジェクト追跡 (MOT) の哲学を用いて, 注意をそらした高速トラッキングを実現するための2タスクトラッキングフレームワーク(DMTrack)を提案する。
我々のトラッカーはLaSOT, OxUvA, TLP, VOT2018LT, VOT 2019LTベンチマークの最先端性能を実現し, リアルタイム3倍高速に動作させる。
論文 参考訳（メタデータ） (2021-04-25T00:59:53Z) - Learnable Online Graph Representations for 3D Multi-Object Tracking [156.58876381318402]
3D MOT問題に対する統一型学習型アプローチを提案します。
我々は、完全にトレーニング可能なデータアソシエーションにNeural Message Passing Networkを使用します。
AMOTAの65.6%の最先端性能と58%のIDスウィッチを達成して、公開可能なnuScenesデータセットに対する提案手法のメリットを示す。
論文 参考訳（メタデータ） (2021-04-23T17:59:28Z) - Monocular Quasi-Dense 3D Object Tracking [99.51683944057191]
周囲の物体の将来の位置を予測し、自律運転などの多くのアプリケーションで観測者の行動を計画するためには、信頼性と正確な3D追跡フレームワークが不可欠である。
移動プラットフォーム上で撮影された2次元画像のシーケンスから,移動物体を時間とともに効果的に関連付け,その全3次元バウンディングボックス情報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） (2021-03-12T15:30:02Z) - MOTChallenge: A Benchmark for Single-Camera Multiple Target Tracking [72.76685780516371]
単カメラ多目的追跡(MOT)のためのベンチマークMOTChallengeを提案する。
このベンチマークは、歩行者がトラッキングコミュニティで最も研究されているオブジェクトであるため、複数の人を追跡することに重点を置いている。
我々は,最先端トラッカーの分類と広い誤差解析を行う。
論文 参考訳（メタデータ） (2020-10-15T06:52:16Z)
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。