論文の概要: Velocity Completion Task and Method for Event-based Player Positional Data in Soccer

• arxiv url: http://arxiv.org/abs/2505.16199v1
• Date: Thu, 22 May 2025 04:01:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-23 17:12:48.027852
• Title: Velocity Completion Task and Method for Event-based Player Positional Data in Soccer
• Title（参考訳）: サッカーにおけるイベントベース選手位置データの速度補完タスクと方法
• Authors: Rikuhei Umemoto, Keisuke Fujii,
• Abstract要約: イベントベースの位置データは、速度などの重要な特性を計算するのに必要な連続的な時間情報を欠いている。 本稿では,チームスポーツのイベントベース位置データのみを用いて,全てのエージェントの速度を同時に達成する手法を提案する。
• 参考スコア（独自算出の注目度）: 0.9002260638342727
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In many real-world complex systems, the behavior can be observed as a collection of discrete events generated by multiple interacting agents. Analyzing the dynamics of these multi-agent systems, especially team sports, often relies on understanding the movement and interactions of individual agents. However, while providing valuable snapshots, event-based positional data typically lacks the continuous temporal information needed to directly calculate crucial properties such as velocity. This absence severely limits the depth of dynamic analysis, preventing a comprehensive understanding of individual agent behaviors and emergent team strategies. To address this challenge, we propose a new method to simultaneously complete the velocity of all agents using only the event-based positional data from team sports. Based on this completed velocity information, we investigate the applicability of existing team sports analysis and evaluation methods. Experiments using soccer event data demonstrate that neural network-based approaches outperformed rule-based methods regarding velocity completion error, considering the underlying temporal dependencies and graph structure of player-to-player or player-to-ball interaction. Moreover, the space evaluation results obtained using the completed velocity are closer to those derived from complete tracking data, highlighting our method's potential for enhanced team sports system analysis.
• Abstract（参考訳）: 多くの実世界の複雑なシステムでは、この挙動は複数の相互作用するエージェントによって生成される離散事象の集合として観察できる。 これらのマルチエージェントシステムのダイナミクス、特にチームスポーツの分析は、しばしば個々のエージェントの動きと相互作用を理解することに依存する。 しかしながら、貴重なスナップショットを提供する一方で、イベントベースの位置データは、ベロシティなどの重要な特性を直接計算するために必要な、連続的な時間情報を欠いているのが一般的である。 この欠如は、動的分析の深さを著しく制限し、個々のエージェントの振る舞いと創発的なチーム戦略の包括的な理解を妨げます。 この課題に対処するために,チームスポーツのイベントベース位置データのみを用いて,全てのエージェントの速度を同時に達成する手法を提案する。 この完了した速度情報に基づいて,既存のチームスポーツ分析および評価手法の適用性を検討した。 サッカーのイベントデータを用いた実験により、ニューラルネットワークベースのアプローチは、プレーヤー間またはプレーヤー間相互作用の時間的依存関係とグラフ構造を考慮して、ベロシティ完了エラーに関するルールベースの手法よりも優れていることが示された。 さらに, 完了速度を用いて得られた空間評価結果は, 完全追跡データから得られた結果に近づき, チームスポーツシステム解析の強化に向けた手法の可能性を強調した。

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)
• Pressing Intensity: An Intuitive Measure for Pressing in Soccer [0.0]
  プレッシャー(英: Pressing)は、サッカーにおける基本的な防御戦略であり、ボール保有チームに対して、保持権を取り戻すための圧力を課すことが特徴である。 その重要性にもかかわらず、プレスを測定するための既存の指標は、位置データ、プレイヤーの動き、速度の正確さや包括的考慮を欠いていることが多い。 本研究では,スピアマンのピッチ制御モデルから得られる位置追跡データやコンポーネントの進歩を活用して,押圧強度を定量化するための革新的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-30T14:42:00Z)
• Event-Based Tracking Any Point with Motion-Augmented Temporal Consistency [58.719310295870024]
  本稿では,任意の点を追跡するイベントベースのフレームワークを提案する。 出来事の空間的空間性や動きの感度によって引き起こされる課題に対処する。 競合モデルパラメータによる処理を150%高速化する。
  論文  参考訳（メタデータ） (2024-12-02T09:13:29Z)
• Trajectory Imputation in Multi-Agent Sports with Derivative-Accumulating Self-Ensemble [16.79253001706658]
  提案するMIDAS(Multi-Adnt Imputer with Derivative-Accumulating Self-Enmble)は,多エージェント軌道を高精度かつ物理的に再現できるフレームワークである。 3つのスポーツデータセットの実験では、MIDASは位置精度と物理的妥当性の両方において既存のベースラインを著しく上回っている。
  論文  参考訳（メタデータ） (2024-08-20T14:08:16Z)
• TimeGraphs: Graph-based Temporal Reasoning [64.18083371645956]
  TimeGraphsは階層的時間グラフとして動的相互作用を特徴付ける新しいアプローチである。 提案手法は,コンパクトなグラフベース表現を用いて相互作用をモデル化し,多種多様な時間スケールでの適応推論を可能にする。 我々は,サッカーシミュレータ,抵抗ゲーム,MOMA人間活動データセットなど,複雑でダイナミックなエージェントインタラクションを持つ複数のデータセット上でTimeGraphsを評価する。
  論文  参考訳（メタデータ） (2024-01-06T06:26:49Z)
• Inferring Player Location in Sports Matches: Multi-Agent Spatial Imputation from Limited Observations [14.837321668198129]
  マルチエージェントシステム(MAS)におけるエージェントの動作を理解することは、自律運転、災害対応、スポーツ分析などの領域において重要な問題である。 本研究では,一様でない時間経過と限定されたエージェントオブザーバビリティを持つ環境において,エージェント位置計算の問題を分析する。 このアプローチでは,時間的およびエージェント間パターンの学習にLong Short-Term MemoryとGraph Neural Networkのコンポーネントを使用し,各時点におけるエージェントの位置を予測する。
  論文  参考訳（メタデータ） (2023-02-13T18:13:29Z)
• SoccerNet-Tracking: Multiple Object Tracking Dataset and Benchmark in Soccer Videos [62.686484228479095]
  本稿では,各30の200列からなる複数物体追跡のための新しいデータセットを提案する。 データセットは、バウンディングボックスとトラックレットIDで完全に注釈付けされている。 分析の結果,サッカービデオにおける複数の選手,審判,ボール追跡が解決されるには程遠いことがわかった。
  論文  参考訳（メタデータ） (2022-04-14T12:22:12Z)
• Extraction of Positional Player Data from Broadcast Soccer Videos [3.7437974317872]
  サッカーの試合の放送映像記録から位置データの完全自動抽出のためのパイプラインを提案する。 このシステムは、スポーツフィールド登録、プレーヤー検出、チーム割り当てなど、必要なすべてのサブタスクを統合している。 個々のモジュールとパイプライン全体の総合的な実験的評価が提示される。
  論文  参考訳（メタデータ） (2021-10-21T12:49:56Z)
• From Motor Control to Team Play in Simulated Humanoid Football [56.86144022071756]
  我々は、現実的な仮想環境でサッカーをするために、物理的にシミュレートされたヒューマノイドアバターのチームを訓練する。 一連の段階において、プレイヤーはまず、現実的な人間のような動きを実行するために、完全に関節化された身体を制御することを学習する。 その後、ドリブルやシューティングといった中級のサッカーのスキルを身につける。 最後に、彼らは他の人を意識し、チームとしてプレーし、ミリ秒のタイムスケールで低レベルのモーターコントロールのギャップを埋める。
  論文  参考訳（メタデータ） (2021-05-25T20:17:10Z)
• Straggler-Resilient Federated Learning: Leveraging the Interplay Between Statistical Accuracy and System Heterogeneity [57.275753974812666]
  フェデレーション学習は、データをローカルに保持しながら、クライアントのネットワークに分散したデータサンプルから学習する。 本稿では,学習手順を高速化するために,クライアントデータの統計的特徴を取り入れてクライアントを適応的に選択する,ストラグラー・レジリエントなフェデレーション学習手法を提案する。
  論文  参考訳（メタデータ） (2020-12-28T19:21:14Z)
• A Spatial-Temporal Attentive Network with Spatial Continuity for Trajectory Prediction [74.00750936752418]
  空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。 まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。 第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
  論文  参考訳（メタデータ） (2020-03-13T04:35:50Z)

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。