論文の概要: Unveiling Hidden Pivotal Players with GoalNet: A GNN-Based Soccer Player Evaluation System
- arxiv url: http://arxiv.org/abs/2503.09737v1
- Date: Wed, 12 Mar 2025 18:36:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-14 15:53:59.116413
- Title: Unveiling Hidden Pivotal Players with GoalNet: A GNN-Based Soccer Player Evaluation System
- Title（参考訳）: GoalNetで隠れたPivotal Playerを公開:GNNベースのサッカー選手評価システム
- Authors: Jacky Hao Jiang, Jerry Cai, Anastasios Kyrillidis,
- Abstract要約: サッカー分析ツールは、期待目標などの指標を強調し、プレイヤーの貢献を過度に表現する。
我々は、予測脅威(xT)の変化に対する個人クレジットを割り当てるGNNベースのフレームワークを導入する。
我々のパイプラインは、イベント中心グラフにおける空間的特徴と時間的特徴の両方を符号化し、非装飾行動の公平な帰属を可能にする。
- 参考スコア（独自算出の注目度）: 8.957579200590988
- License:
- Abstract: Soccer analysis tools emphasize metrics such as expected goals, leading to an overrepresentation of attacking players' contributions and overlooking players who facilitate ball control and link attacks. Examples include Rodri from Manchester City and Palhinha who just transferred to Bayern Munich. To address this bias, we aim to identify players with pivotal roles in a soccer team, incorporating both spatial and temporal features. In this work, we introduce a GNN-based framework that assigns individual credit for changes in expected threat (xT), thus capturing overlooked yet vital contributions in soccer. Our pipeline encodes both spatial and temporal features in event-centric graphs, enabling fair attribution of non-scoring actions such as defensive or transitional plays. We incorporate centrality measures into the learned player embeddings, ensuring that ball-retaining defenders and defensive midfielders receive due recognition for their overall impact. Furthermore, we explore diverse GNN variants-including Graph Attention Networks and Transformer-based models-to handle long-range dependencies and evolving match contexts, discussing their relative performance and computational complexity. Experiments on real match data confirm the robustness of our approach in highlighting pivotal roles that traditional attacking metrics typically miss, underscoring the model's utility for more comprehensive soccer analytics.
- Abstract（参考訳）: サッカー分析ツールは、期待されたゴールなどの指標を強調し、プレイヤーの貢献を過度に表現し、ボールコントロールとリンク攻撃を促進するプレイヤーを見渡す。
例えば、マンチェスターシティのロドリや、バイエルンミュンヘンに移転したばかりのパリンハなどがある。
このバイアスに対処するために,サッカーチームにおいて重要な役割を持つ選手を同定し,空間的特徴と時間的特徴の両方を取り入れることを目的とする。
本研究では,想定される脅威(xT)の変化に対する個人クレジットを割り当てるGNNベースのフレームワークを導入する。
我々のパイプラインは、イベント中心グラフにおける空間的特徴と時間的特徴の両方を符号化し、防御やトランザクショナルプレイのような非装飾行為の公平な帰属を可能にする。
我々は,学習選手の埋め込みに集中度対策を取り入れ,ボール保持型ディフェンダーと守備ミッドフィールダーが,その全体的影響に対して十分な評価を受けることを保証する。
さらに,グラフアテンションネットワークやトランスフォーマーベースのモデルなど,GNNの多種多様なバリエーションについて検討し,長期依存の処理とマッチングコンテキストの進化について検討し,その相対的な性能と計算複雑性について論じる。
実際のマッチデータに関する実験は、従来の攻撃指標が典型的に見逃す重要な役割を強調し、より包括的なサッカー分析のためのモデルの実用性を強調する、我々のアプローチの堅牢性を確認します。
関連論文リスト
- A Graph Neural Network deep-dive into successful counterattacks [0.0]
この研究は、性別固有のグラフニューラルネットワークを構築し、反撃が成功する可能性をモデル化する。
モデル性能に最も影響した特徴は, 置換特徴を用いて, 直線速度, ゴールへの角度, 球側線から横線への角度, などが示される。
この研究には、すべてのデータとコードを含むオープンソースリポジトリが伴い、オープンソースのPythonパッケージも伴っている。
論文 参考訳（メタデータ） (2024-11-26T14:07:48Z) - TranSPORTmer: A Holistic Approach to Trajectory Understanding in Multi-Agent Sports [28.32714256545306]
TranSportmerは、これらすべてのタスクに対処できる統合トランスフォーマーベースのフレームワークである。
時間的ダイナミクスと社会的相互作用を同変的に効果的に捉える。
プレイヤー予測、プレイヤー予測・インプット、ボール推論、ボールインプットにおいて、最先端のタスク固有モデルより優れている。
論文 参考訳（メタデータ） (2024-10-23T11:35:44Z) - RisingBALLER: A player is a token, a match is a sentence, A path towards a foundational model for football players data analytics [0.0]
RisingBALLERは、フットボールの試合データに基づいてトレーニングされたトランスフォーマーモデルを利用して、マッチ固有のプレーヤー表現を学習する最初の公開アプローチである。
単純な機械学習モデル以上の、RisingBALLERは、プレーヤーのための高度な基礎的特徴を学習することによって、フットボールデータ分析を変換するように設計された包括的なフレームワークである。
論文 参考訳（メタデータ） (2024-10-01T14:39:22Z) - About latent roles in forecasting players in team sports [47.066729480128856]
チームスポーツは、チームメイトと相手とのインタラクションに影響を与える重要な社会的要素を含んでいる。
RolForはロールベースのForecastingのための新しいエンドツーエンドモデルです。
論文 参考訳（メタデータ） (2023-04-17T13:33:23Z) - 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) - GoRela: Go Relative for Viewpoint-Invariant Motion Forecasting [121.42898228997538]
精度や一般化を犠牲にすることなく、全てのエージェントとマップに対して効率的な共有符号化を提案する。
不均一空間グラフにおけるエージェントとマップ要素間の幾何学的関係を表現するために、ペアワイズ相対的な位置符号化を利用する。
我々のデコーダは視点非依存であり、レーングラフ上でエージェント目標を予測し、多様かつコンテキスト対応のマルチモーダル予測を可能にする。
論文 参考訳（メタデータ） (2022-11-04T16:10:50Z) - 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) - Transfer Portal: Accurately Forecasting the Impact of a Player Transfer
in Soccer [0.0]
異なるリーグ間で転送される場合、将来のプレイヤーのパフォーマンスを予測することは複雑な作業である。
本稿では,これらの問題に対処し,今後の性能を正確に予測する手法を提案する。
我々のTransfer Portalモデルは、プレイヤー、チーム、リーグのスタイリスティックなレベルの入力表現と能力レベルの入力表現の両方にパーソナライズされたニューラルネットワークを使用して、選択されたクラブの選手のパフォーマンスをシミュレートする。
論文 参考訳（メタデータ） (2022-01-27T14:15:09Z) - Temporally-Aware Feature Pooling for Action Spotting in Soccer
Broadcasts [86.56462654572813]
私たちは、サッカーの試合の主なアクションを一時的にローカライズするサッカー放送におけるアクションスポッティングの分析に焦点を当てています。
時間的知識を組み込んだNetVLAD++という,NetVLADに基づく新たな機能プーリング手法を提案する。
我々は最近の大規模データセット SoccerNet-v2 の方法論をトレーニングし、評価し、アクションスポッティングのための平均平均mAP 53.4% に達した。
論文 参考訳（メタデータ） (2021-04-14T11:09:03Z) - RMS-Net: Regression and Masking for Soccer Event Spotting [52.742046866220484]
イベントラベルとその時間的オフセットを同時に予測できる,軽量でモジュール化されたアクションスポッティングネットワークを開発した。
SoccerNetデータセットでテストし、標準機能を使用して、完全な提案は3平均mAPポイントで現在の状態を超えます。
論文 参考訳（メタデータ） (2021-02-15T16:04:18Z) - Signaling in Bayesian Network Congestion Games: the Subtle Power of
Symmetry [66.82463322411614]
本論文は, 最適遠点透過型シグナリング方式の問題点に焦点をあて, 対称性がその解法において重要な性質であることを示す。
プレイヤーが対称でアフィンコスト関数を持つとき,最適なエクアント説得スキームが計算可能であることを示す。
論文 参考訳（メタデータ） (2020-02-12T19:38:15Z)
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。