論文の概要: BST: Badminton Stroke-type Transformer for Skeleton-based Action Recognition in Racket Sports

• arxiv url: http://arxiv.org/abs/2502.21085v1
• Date: Fri, 28 Feb 2025 14:18:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-03 13:41:46.259214
• Title: BST: Badminton Stroke-type Transformer for Skeleton-based Action Recognition in Racket Sports
• Title（参考訳）: BST:Badminton Stroke-type Transformer for Skeleton-based Action Recognition in Racket Sports
• Authors: Jing-Yuan Chang,
• Abstract要約: 本研究では,バドミントン放送の試合において,各選手のラケットスイングのフレームを抽出する新しいビデオセグメンテーション戦略を提案する。 本研究では,Badminton Stroke-type Transformer (BST)を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Badminton, known for having the fastest ball speeds among all sports, presents significant challenges to the field of computer vision, including player identification, court line detection, shuttlecock trajectory tracking, and player stroke-type classification. In this paper, we introduce a novel video segmentation strategy to extract frames of each player's racket swing in a badminton broadcast match. These segmented frames are then processed by two existing models: one for Human Pose Estimation to obtain player skeletal joints, and the other for shuttlecock trajectory detection to extract shuttlecock trajectories. Leveraging these joints, trajectories, and player positions as inputs, we propose Badminton Stroke-type Transformer (BST) to classify player stroke-types in singles. To the best of our knowledge, experimental results demonstrate that our method outperforms the previous state-of-the-art on the largest publicly available badminton video dataset, ShuttleSet, which shows that effectively leveraging ball trajectory is likely to be a trend for racket sports action recognition.
• Abstract（参考訳）: バドミントンは全てのスポーツの中で最速のボール速度を持つことで知られており、プレイヤーの識別、コートラインの検出、シャトルコック軌道追跡、プレイヤーストロークタイプの分類など、コンピュータビジョンの分野において大きな課題を提起している。 本稿では,バドミントン放送の試合において,各選手のラケットスイングのフレームを抽出する新しいビデオセグメンテーション手法を提案する。 これらのセグメンテーションされたフレームは、2つの既存のモデルによって処理される。1つは人間の姿勢推定でプレイヤーの骨格関節を得るもので、もう1つはシャトルコック軌道検出でシャトルコック軌道を抽出するものである。 そこで本稿では,Badminton Stroke-type Transformer (BST) を提案する。 我々の知識を最大限に活用するために、実験の結果、我々の手法はかつてのバドミントンビデオデータセットであるShuttleSetよりも優れており、ボール軌道を効果的に活用することがラケットスポーツのアクション認識のトレンドであることを示している。

関連論文リスト

• Deep learning for action spotting in association football videos [64.10841325879996]
  SoccerNetイニシアチブは毎年の課題を組織し、世界中の参加者が最先端のパフォーマンスを達成するために競う。 本稿では,スポーツにおけるアクションスポッティングの歴史を,2018年の課題の創出から,現在の研究・スポーツ産業における役割まで遡る。
  論文  参考訳（メタデータ） (2024-10-02T07:56:15Z)
• ShuttleSHAP: A Turn-Based Feature Attribution Approach for Analyzing Forecasting Models in Badminton [52.21869064818728]
  バドミントンにおけるプレイヤー戦術予測のための深層学習アプローチは、部分的にはラリープレイヤの相互作用に関する効果的な推論に起因する有望なパフォーマンスを示している。 本稿では,Shapley値の変量に基づいてバドミントンにおける予測モデルを解析するためのターンベース特徴属性手法であるShuttleSHAPを提案する。
  論文  参考訳（メタデータ） (2023-12-18T05:37:51Z)
• Tracking Players in a Badminton Court by Two Cameras [8.394650183250974]
  本研究では,バドミントン裁判所における選手の多目的追跡(MOT)を簡易に行う手法を提案する。 2台のオフ・ザ・シェルフカメラを利用しています。1台はコートの上部、もう1台はコートの側面にあります。
  論文  参考訳（メタデータ） (2023-08-09T11:10:11Z)
• Benchmarking Stroke Forecasting with Stroke-Level Badminton Dataset [13.502952342104644]
  2022年の上位試合から収集したバドミントンシングルスデータセットであるShuttleSet22を提供する。 ShuttleSet22での既存の作業のベンチマークには、CoachAI Badminton Challenge @ IJCAI 2023でのTrack 2: Forecasting Future Turn-Based Strokes in Badminton Ralliesという課題がある。
  論文  参考訳（メタデータ） (2023-06-27T17:57:34Z)
• A Badminton Recognition and Tracking System Based on Context Multi-feature Fusion [6.068573093901329]
  2つのトラジェクトリクリップトラッカーは、ボールの正しいトラジェクトリをキャプチャするための異なるルールに基づいて設計されている。 粗粒から細粒への2ラウンドの検出は、バドミントン検出で直面する課題を解決するために用いられる。
  論文  参考訳（メタデータ） (2023-06-26T08:07:56Z)
• 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)
• 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)
• 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)
• MonoTrack: Shuttle trajectory reconstruction from monocular badminton video [6.218613353519723]
  モノクロバドミントンビデオから3次元シャトル軌道の抽出と分割を行うための,最初のエンドツーエンドシステムを提案する。 本システムは, コート次元, ショット配置, 動きの物理法則などのバドミントン領域の知識と, プレイヤーのポーズやシャトル追跡などの視覚的特徴を統合する。
  論文  参考訳（メタデータ） (2022-04-04T23:57:57Z)
• Exploring the Long Short-Term Dependencies to Infer Shot Influence in Badminton Matches [9.553207911311926]
  ショットのプロセスを完全に記述するためのバドミントン言語を導入します。 本稿では,新しい短期抽出器と長期符号化器からなるディープラーニングモデルを提案する。 本モデルでは,収集結果に対するアクションシーケンスの透明性を実現するためのアテンション機構を組み込んだ。
  論文  参考訳（メタデータ） (2021-09-14T04:44:40Z)
• Unsupervised Visual Representation Learning by Tracking Patches in Video [88.56860674483752]
  本研究では,コンピュータビジョンシステムのプロキシタスクとしてトラッキングを用いて視覚表現を学習することを提案する。 子どもたちがプレイするキャッチゲームをベースに、視覚表現を学ぶ3D-CNNモデルのためのキャッチ・ザ・パッチ(CtP)ゲームを設計します。
  論文  参考訳（メタデータ） (2021-05-06T09:46:42Z)

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。