論文の概要: Space evaluation at the starting point of soccer transitions
- arxiv url: http://arxiv.org/abs/2505.14711v1
- Date: Sat, 17 May 2025 06:28:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-22 15:42:58.63949
- Title: Space evaluation at the starting point of soccer transitions
- Title（参考訳）: サッカー移行開始点における空間評価
- Authors: Yohei Ogawa, Rikuhei Umemoto, Keisuke Fujii,
- Abstract要約: 遷移開始点を含むピッチ全体の空間を評価するためのOBPV(Off-Ball Positioning Value)を提案する。
ラ・リガ2023/24シーズン追跡とイベントデータを用いた実験では、OBPVは反撃時に効果的な空間利用を強調している。
- 参考スコア（独自算出の注目度）: 0.8009842832476994
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Soccer is a sport played on a pitch where effective use of space is crucial. Decision-making during transitions, when possession switches between teams, has been increasingly important, but research on space evaluation in these moments has been limited. Recent space evaluation methods such as OBSO (Off-Ball Scoring Opportunity) use scoring probability, so it is not well-suited for assessing areas far from the goal, where transitions typically occur. In this paper, we propose OBPV (Off-Ball Positioning Value) to evaluate space across the pitch, including the starting points of transitions. OBPV extends OBSO by introducing the field value model, which evaluates the entire pitch, and by employing the transition kernel model, which reflects positional specificity through kernel density estimation of pass distributions. Experiments using La Liga 2023/24 season tracking and event data show that OBPV highlights effective space utilization during counter-attacks and reveals team-specific characteristics in how the teams utilize space after positive and negative transitions.
- Abstract（参考訳）: サッカーは、効果的な宇宙利用が不可欠であるピッチで行われるスポーツである。
移行中の意思決定は、チーム間での所有の切り替えにおいてますます重要になっているが、これらの瞬間における空間評価の研究は限られている。
OBSO(Off-Ball Scoring Opportunity)のような最近の空間評価手法では、スコアリングの確率を用いるため、遷移が通常発生するゴールから離れた領域を評価するには適していない。
本稿では,遷移開始点を含むピッチ間の空間を評価するためのOBPV(Off-Ball Positioning Value)を提案する。
OBPVは、全ピッチを評価するフィールド値モデルを導入し、パス分布のカーネル密度推定を通じて位置特異性を反映するトランジションカーネルモデルを用いてOBSOを拡張する。
La Liga 2023/24シーズンの追跡とイベントデータを用いた実験では、OBPVは反撃中の効果的な空間利用を強調し、チームが正と負の遷移を経て空間を利用する方法に関して、チーム固有の特徴を明らかにしている。
関連論文リスト
- Unveiling Hidden Pivotal Players with GoalNet: A GNN-Based Soccer Player Evaluation System [8.957579200590988]
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。
論文 参考訳（メタデータ） (2025-03-12T18:36:55Z) - TraCS: Trajectory Collection in Continuous Space under Local Differential Privacy [5.90975025491779]
ローカルディファレンシャルプライバシ(LDP)は、データコレクタが信頼できない場合でも、ユーザに対して証明可能なプライバシ保証を提供する。
既存の軌道収集手法は、離散的な位置空間に対してのみ LDP を保証する。
本稿では,連続空間に対する LDP を保証する2つのトラジェクトリコレクション手法を提案する。
論文 参考訳（メタデータ） (2024-12-01T00:07:04Z) - Sports-Traj: A Unified Trajectory Generation Model for Multi-Agent Movement in Sports [53.637837706712794]
任意の軌道をマスク入力として処理する統一軌道生成モデルUniTrajを提案する。
具体的には,空間特徴抽出のためのトランスフォーマーエンコーダ内に埋め込まれたゴースト空間マスキング(GSM)モジュールを紹介する。
バスケットボールU,サッカーU,サッカーUの3つの実践的スポーツデータセットをベンチマークして評価を行った。
論文 参考訳（メタデータ） (2024-05-27T22:15:23Z) - Zone Evaluation: Revealing Spatial Bias in Object Detection [69.59295428233844]
物体検出器の基本的限界は、それらが「空間バイアス」に苦しむことである。
本稿では,ゾーン間の検出性能を計測する新しいゾーン評価プロトコルを提案する。
初めて数値的な結果が得られ、対象検出器はゾーンにわたって非常に不均一に機能することを示した。
論文 参考訳（メタデータ） (2023-10-20T01:44:49Z) - Passing Heatmap Prediction Based on Transformer Model and Tracking Data [0.0]
本研究では,パスの潜在的な終端位置を予測できる新しいディープラーニングネットワークアーキテクチャを提案する。
28,000回以上のイベントを解析すると、0.7以上のTop-1精度で堅牢な予測が達成される。
また、この予測に基づいて、ピッチコントロールとパスオプションをよりよく理解することで、選手のオフボール運動が防御性能に与える影響を測定することができる。
論文 参考訳（メタデータ） (2023-09-04T11:14:22Z) - Transformer-Based Neural Marked Spatio Temporal Point Process Model for
Football Match Events Analysis [0.6946929968559495]
本稿では,ニューラル・テンポラル・ポイント・プロセス・フレームワークに基づくフットボール・イベント・データのモデルを提案する。
検証のために,サッカーチームの最終ランキング,平均ゴールスコア,シーズン平均xGとの関係を検討した。
平均HPUSはゴールやショットの詳細を使わずとも有意な相関を示した。
論文 参考訳（メタデータ） (2023-02-18T10:02:45Z) - Point-Level Region Contrast for Object Detection Pre-Training [147.47349344401806]
本稿では,物体検出作業のための自己教師付き事前学習手法である点レベル領域コントラストを提案する。
提案手法は,異なる領域から個々の点対を直接抽出することにより,コントラスト学習を行う。
領域ごとの集約表現と比較すると,入力領域の品質の変化に対して,我々のアプローチはより堅牢である。
論文 参考訳（メタデータ） (2022-02-09T18:56:41Z) - Predicting the outcome of team movements -- Player time series analysis
using fuzzy and deep methods for representation learning [0.0]
我々は、より拡張された一連の動きや戦術計画において、短い戦術と宇宙占領の有用なエンコーディングのためのフレームワークを提供する。
本稿では,2015-16シーズンのプロバスケットボールSportVUデータセットにおける予測・認識タスクに対する提案手法の有効性について検討する。
論文 参考訳（メタデータ） (2021-09-13T18:42:37Z) - Unsupervised Domain Adaptation for Spatio-Temporal Action Localization [69.12982544509427]
S時間動作の局所化はコンピュータビジョンにおいて重要な問題である。
本稿では、エンドツーエンドの教師なしドメイン適応アルゴリズムを提案する。
空間的特徴と時間的特徴を別々にあるいは共同的に適応した場合に,顕著な性能向上が達成できることを示す。
論文 参考訳（メタデータ） (2020-10-19T04:25:10Z) - Cross-domain Object Detection through Coarse-to-Fine Feature Adaptation [62.29076080124199]
本稿では,クロスドメインオブジェクト検出のための特徴適応手法を提案する。
粗粒度では、アテンション機構を採用して前景領域を抽出し、その辺縁分布に応じて整列する。
粒度の細かい段階では、同じカテゴリのグローバルプロトタイプと異なるドメインとの距離を最小化することにより、前景の条件分布アライメントを行う。
論文 参考訳（メタデータ） (2020-03-23T13:40:06Z)
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。