論文の概要: FSBench: A Figure Skating Benchmark for Advancing Artistic Sports Understanding
- arxiv url: http://arxiv.org/abs/2504.19514v1
- Date: Mon, 28 Apr 2025 06:25:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:54.340226
- Title: FSBench: A Figure Skating Benchmark for Advancing Artistic Sports Understanding
- Title（参考訳）: FSBench: 芸術的スポーツ理解を促進するためのフィギュアスケートベンチマーク
- Authors: Rong Gao, Xin Liu, Zhuozhao Hu, Bohao Xing, Baiqiang Xia, Zitong Yu, Heikki Kälviäinen,
- Abstract要約: FSAnnoはフィギュアスケートによる芸術スポーツ理解を促進する大規模なデータセットである。
FSBenchは、公正モデル評価のためのベンチマークデータセットである。
- 参考スコア（独自算出の注目度）: 18.20702178835379
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Figure skating, known as the "Art on Ice," is among the most artistic sports, challenging to understand due to its blend of technical elements (like jumps and spins) and overall artistic expression. Existing figure skating datasets mainly focus on single tasks, such as action recognition or scoring, lacking comprehensive annotations for both technical and artistic evaluation. Current sports research is largely centered on ball games, with limited relevance to artistic sports like figure skating. To address this, we introduce FSAnno, a large-scale dataset advancing artistic sports understanding through figure skating. FSAnno includes an open-access training and test dataset, alongside a benchmark dataset, FSBench, for fair model evaluation. FSBench consists of FSBench-Text, with multiple-choice questions and explanations, and FSBench-Motion, containing multimodal data and Question and Answer (QA) pairs, supporting tasks from technical analysis to performance commentary. Initial tests on FSBench reveal significant limitations in existing models' understanding of artistic sports. We hope FSBench will become a key tool for evaluating and enhancing model comprehension of figure skating.
- Abstract（参考訳）: フィギュアスケートは"Art on Ice"として知られる最も芸術的なスポーツであり、ジャンプやスピンのような技術的な要素と全体的な芸術的な表現が混ざり合っているため理解が難しい。
既存のフィギュアスケートデータセットは、主にアクション認識やスコアリングのような単一のタスクに焦点を当て、技術的および芸術的評価のための包括的なアノテーションを欠いている。
現在のスポーツ研究は主にボールゲームに焦点を当てており、フィギュアスケートのような芸術スポーツとの関係は限られている。
そこで我々は,フィギュアスケートによる芸術スポーツ理解を促進する大規模データセットFSAnnoを紹介した。
FSAnnoには、公正なモデル評価のためのオープンアクセストレーニングとテストデータセットと、ベンチマークデータセットであるFSBenchが含まれている。
FSBenchはFSBench-TextとFSBench-Motionで構成され、マルチモーダルデータとQA(QA)ペアを含み、技術分析からパフォーマンス解説までタスクをサポートする。
FSBenchの初期テストでは、既存のモデルの芸術的スポーツに対する理解に重大な制限が示された。
FSBenchがフィギュアスケートのモデル理解を評価し、強化するための重要なツールになることを願っている。
関連論文リスト
- YourSkatingCoach: A Figure Skating Video Benchmark for Fine-Grained Element Analysis [10.444961818248624]
データセットには、ジャンプ要素の454のビデオ、検出された各ビデオ中のスケータースケルトン、ジャンプの開始フレームと終了フレームのゴールドラベル、フィギュアスケートの動画ベンチマークが含まれている。
そこで本研究では,ジャンプの時間長を正確に検出することを目的とした,新しい動作解析タスクである空気時間検出を提案する。
細粒度ラベルの一般化性を検証するため、粗粒度タスクアクション分類ではなく、クロススポーツタスクとして他のスポーツにも同様のプロセスを適用する。
論文 参考訳（メタデータ） (2024-10-27T12:52:28Z) - 3D Pose-Based Temporal Action Segmentation for Figure Skating: A Fine-Grained and Jump Procedure-Aware Annotation Approach [5.453385501324681]
フィギュアスケートでは、スケーターの3D動作を見て技術判断を行い、その判断手順の一部が時間行動(TAS)課題とみなすことができる。
3Dポーズデータを必要とするTASタスクには、データセットの欠如と効果的な方法がある。
本研究では,光学マーカーレスモーションキャプチャーを用いて,複雑なフィギュアスケートジャンプと動的フィギュアスケートジャンプのFS-Jump3Dデータセットを初めて作成した。
また,TASモデルでジャンプ手順を学習可能な,詳細なフィギュアスケートジャンプTASデータセットアノテーション手法を提案する。
論文 参考訳（メタデータ） (2024-08-29T15:42:06Z) - GalleryGPT: Analyzing Paintings with Large Multimodal Models [64.98398357569765]
美術品の分析は、個人の審美性を豊かにし、批判的思考能力を促進することができる芸術鑑賞のための重要かつ基本的な技術である。
アートワークを自動解析する以前の作業は、主に分類、検索、その他の単純なタスクに焦点を当てており、AIの目標とは程遠い。
LLaVAアーキテクチャに基づいて微調整されたGalleryGPTと呼ばれる,絵画解析のための優れた大規模マルチモーダルモデルを提案する。
論文 参考訳（メタデータ） (2024-08-01T11:52:56Z) - Freeview Sketching: View-Aware Fine-Grained Sketch-Based Image Retrieval [85.73149096516543]
微細スケッチベース画像検索(FG-SBIR)におけるスケッチ作成時の視点選択について検討する。
パイロットスタディでは、クエリスケッチがターゲットインスタンスと異なる場合、システムの苦労を強調している。
これを解決するために、ビューに依存しないタスクとビュー固有のタスクの両方をシームレスに収容するビューアウェアシステムを提案する。
論文 参考訳（メタデータ） (2024-07-01T21:20:44Z) - OSL-ActionSpotting: A Unified Library for Action Spotting in Sports Videos [56.393522913188704]
我々は,スポーツビデオ分析における研究と応用の合理化のために,さまざまなアクションスポッティングアルゴリズムを統合するPythonライブラリであるOSL-ActionSpottingを紹介する。
我々はOSL-ActionSpottingに3つの基本アクションスポッティング手法を統合することに成功した。
論文 参考訳（メタデータ） (2024-07-01T13:17:37Z) - Sports-QA: A Large-Scale Video Question Answering Benchmark for Complex and Professional Sports [104.40202007324633]
スポーツビデオQAタスク用に特別に設計された最初のデータセットであるSports-QAを紹介する。
Sports-QAデータセットには、説明、時系列、因果関係、反事実条件など、さまざまな種類の質問が含まれている。
質問応答のための時間的情報の特定の尺度に自動的にフォーカスできる新しいオートフォーカス変換器(AFT)を提案する。
論文 参考訳（メタデータ） (2024-01-03T02:22:34Z) - Towards Artistic Image Aesthetics Assessment: a Large-scale Dataset and
a New Method [64.40494830113286]
まず、Boldbrush Artistic Image dataset (BAID)という大規模なAIAAデータセットを紹介します。
そこで我々は,芸術的イメージを評価するために,スタイル特異的で汎用的な美的情報を効果的に抽出し,活用する新たな手法であるSAANを提案する。
実験により,提案手法は提案したBAIDデータセット上で既存のIAA手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2023-03-27T12:59:15Z) - 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) - Skating-Mixer: Multimodal MLP for Scoring Figure Skating [31.346611498891964]
我々はSkating-Mixerというマルチモーダルアーキテクチャを導入する。
設計したメモリリカレントユニット(MRU)を用いて,長期的表現を効果的に学習する。
実験により、提案手法は、公開Fis-VおよびFS1000データセット上のすべての主要な指標に対してSOTAよりも優れていることが示された。
論文 参考訳（メタデータ） (2022-03-08T10:36:55Z) - FSD-10: A Dataset for Competitive Sports Content Analysis [29.62110021022271]
フィギュアスケートデータセット(FSD-10)は、きめ細かいアクションのコレクションを持つように設計されている。
各クリップは毎秒30フレーム、解像度は1080ドルで720ドルだ。
FSD-10における動作認識手法の評価を行った。
論文 参考訳（メタデータ） (2020-02-09T08:04:26Z)
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。