論文の概要: Action Spotting and Precise Event Detection in Sports: Datasets, Methods, and Challenges

• arxiv url: http://arxiv.org/abs/2505.03991v2
• Date: Thu, 19 Jun 2025 05:05:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 14:57:51.798931
• Title: Action Spotting and Precise Event Detection in Sports: Datasets, Methods, and Challenges
• Title（参考訳）: スポーツにおけるアクションスポッティングと精密イベント検出:データセット,方法,課題
• Authors: Hao Xu, Arbind Agrahari Baniya, Sam Well, Mohamed Reda Bouadjenek, Richard Dazeley, Sunil Aryal,
• Abstract要約: ビデオイベントの検出は、現代のスポーツ分析の中心であり、パフォーマンス評価、コンテンツ生成、戦術的フィードバックのための重要な瞬間の自動理解を可能にする。 ディープラーニングは極めて高度なタスクを持っているが、既存の調査はしばしば、スポーツによって引き起こされる詳細な時間的要求とドメイン固有の課題を見落としている。 この調査はまず、TAL, AS, PES の明確な概念的区別を提供し、その後、AS と PES の最近の深層学習アプローチをカバーする方法に基づく分類法を紹介した。 スポーツビデオ分析において、より時間的に正確で、一般化可能で、実用的なイベントスポッティングに向けたオープンな課題と今後の方向性を概説する。
• 参考スコア（独自算出の注目度）: 5.747955930615445
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Video event detection is central to modern sports analytics, enabling automated understanding of key moments for performance evaluation, content creation, and tactical feedback. While deep learning has significantly advanced tasks like Temporal Action Localization (TAL), Action Spotting (AS), and Precise Event Spotting (PES), existing surveys often overlook the fine-grained temporal demands and domain-specific challenges posed by sports. This survey first provides a clear conceptual distinction between TAL, AS, and PES, then introduces a methods-based taxonomy covering recent deep learning approaches for AS and PES, including feature-based pipelines, end-to-end architectures, and multimodal strategies. We further review benchmark datasets and evaluation protocols, identifying critical limitations such as reliance on broadcast-quality footage and lenient multi-label metrics that hinder real-world deployment. Finally, we outline open challenges and future directions toward more temporally precise, generalizable, and practical event spotting in sports video analysis.
• Abstract（参考訳）: ビデオイベントの検出は、現代のスポーツ分析の中心であり、パフォーマンス評価、コンテンツ生成、戦術的フィードバックのための重要な瞬間の自動理解を可能にする。 深層学習は、時間的行動ローカライゼーション(TAL)、行動スポッティング(AS)、精密イベントスポッティング(PES)など、かなり進んだタスクを持っているが、既存の調査では、スポーツによって引き起こされる詳細な時間的要求やドメイン固有の課題を見落としていることが多い。 この調査はまず、TAL、AS、PSSの明確な概念的な区別を提供し、続いて、機能ベースのパイプライン、エンドツーエンドアーキテクチャ、マルチモーダル戦略を含む、ASとPSSの最近のディープラーニングアプローチをカバーするメソッドベースの分類を紹介した。 さらに、ベンチマークデータセットと評価プロトコルをレビューし、放送品質の映像への依存や、実世界への展開を妨げる豊富なマルチラベルメトリクスといった重要な制限を特定します。 最後に,スポーツビデオ解析において,より時間的に正確で,一般化可能で,実用的なイベントスポッティングに向けたオープンな課題と今後の方向性について概説する。

関連論文リスト

• OpenSTARLab: Open Approach for Spatio-Temporal Agent Data Analysis in Soccer [0.9207076627649226]
  スポーツアナリティクスは、より専門的で洗練されたものになり、詳細なパフォーマンスデータが利用できるようになった。 サッカーでは、イベントと追跡データの効果的な利用は、ゲームのダイナミクスを捕捉し分析するための基本となる。 本稿では,スポーツにおける時間的エージェントデータ分析の民主化を目的としたオープンソースフレームワークであるOpenSTARLabを提案する。
  論文  参考訳（メタデータ） (2025-02-05T00:14:18Z)
• About Time: Advances, Challenges, and Outlooks of Action Understanding [57.76390141287026]
  この調査は、様々なタスクにおけるユニモーダルおよびマルチモーダルな行動理解の進歩を包括的にレビューする。 我々は,現在普及している課題,広く採用されているデータセットの概要,そして最近の進歩を重視したセミナー作品の調査に焦点をあてる。
  論文  参考訳（メタデータ） (2024-11-22T18:09:27Z)
• WearableMil: An End-to-End Framework for Military Activity Recognition and Performance Monitoring [7.130450173185638]
  本稿では、軍事訓練におけるウェアラブルデータからの活動の事前処理、分析、認識のためのエンドツーエンドフレームワークを提案する。 textitGarmin-55スマートウォッチを6ヶ月以上、1500万分以上使用した兵士135人のデータを使っています。 我々のフレームワークは、生理学的にインフォームドされた方法で欠落したデータに対処し、未知の睡眠状態を40.38%から3.66%に減らした。
  論文  参考訳（メタデータ） (2024-10-07T19:35:15Z)
• 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)
• A Comprehensive Methodological Survey of Human Activity Recognition Across Divers Data Modalities [2.916558661202724]
  人間活動認識(HAR)システムは、人間の行動を理解し、それぞれの行動にラベルを割り当てることを目的としている。 HARは、RGB画像やビデオ、スケルトン、深度、赤外線、ポイントクラウド、イベントストリーム、オーディオ、アクセラレーション、レーダー信号など、さまざまなデータモダリティを利用することができる。 本稿は,2014年から2024年までのHARの最新の進歩に関する包括的調査である。
  論文  参考訳（メタデータ） (2024-09-15T10:04:44Z)
• 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)
• Enhancing HOI Detection with Contextual Cues from Large Vision-Language Models [56.257840490146]
  ConCueは、HOI検出における視覚的特徴抽出を改善するための新しいアプローチである。 コンテクストキューをインスタンスと相互作用検出器の両方に統合するマルチトウワーアーキテクチャを用いたトランスフォーマーベースの特徴抽出モジュールを開発した。
  論文  参考訳（メタデータ） (2023-11-26T09:11:32Z)
• Towards Active Learning for Action Spotting in Association Football Videos [59.84375958757395]
  フットボールビデオの分析は困難であり、微妙で多様な時間的パターンを特定する必要がある。 現在のアルゴリズムは、限られた注釈付きデータから学ぶ際に大きな課題に直面している。 次にアノテートすべき最も情報に富んだビデオサンプルを選択する能動的学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-09T11:50:41Z)
• Reliable Shot Identification for Complex Event Detection via Visual-Semantic Embedding [72.9370352430965]
  本稿では,映像中の事象検出のための視覚的意味的誘導損失法を提案する。 カリキュラム学習に動機付け,高い信頼性の事例で分類器の訓練を開始するために,負の弾性正規化項を導入する。 提案する非ネット正規化問題の解法として,代替最適化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-10-12T11:46:56Z)

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。