論文の概要: HydraNet: Momentum-Driven State Space Duality for Multi-Granularity Tennis Tournaments Analysis
- arxiv url: http://arxiv.org/abs/2505.21882v2
- Date: Thu, 29 May 2025 02:21:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-30 13:10:25.776032
- Title: HydraNet: Momentum-Driven State Space Duality for Multi-Granularity Tennis Tournaments Analysis
- Title（参考訳）: HydraNet: Momentum-Driven State Space Duality for Multi-Granularity Tennis Tournaments Analysis
- Authors: Ruijie Li, Xiang Zhao, Qiao Ning, Shikai Guo,
- Abstract要約: 本研究は,マルチグラニュラリティテニストーナメントにおける選手の運動量レベルを定量化するための新しいモメンタムスコア(MS)尺度を定義する。
運動量駆動型状態空間双対性に基づくフレームワークHydraNetを設計し、MSをモデル化する。
2012-2023 Wimbledonと2013-2023 US Openにまたがる100万レベルのテニスクロスコースデータセットを構築した。
- 参考スコア（独自算出の注目度）: 3.104537811104527
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In tennis tournaments, momentum, a critical yet elusive phenomenon, reflects the dynamic shifts in performance of athletes that can decisively influence match outcomes. Despite its significance, momentum in terms of effective modeling and multi-granularity analysis across points, games, sets, and matches in tennis tournaments remains underexplored. In this study, we define a novel Momentum Score (MS) metric to quantify a player's momentum level in multi-granularity tennis tournaments, and design HydraNet, a momentum-driven state-space duality-based framework, to model MS by integrating thirty-two heterogeneous dimensions of athletes performance in serve, return, psychology and fatigue. HydraNet integrates a Hydra module, which builds upon a state-space duality (SSD) framework, capturing explicit momentum with a sliding-window mechanism and implicit momentum through cross-game state propagation. It also introduces a novel Versus Learning method to better enhance the adversarial nature of momentum between the two athletes at a macro level, along with a Collaborative-Adversarial Attention Mechanism (CAAM) for capturing and integrating intra-player and inter-player dynamic momentum at a micro level. Additionally, we construct a million-level tennis cross-tournament dataset spanning from 2012-2023 Wimbledon and 2013-2023 US Open, and validate the multi-granularity modeling capability of HydraNet for the MS metric on this dataset. Extensive experimental evaluations demonstrate that the MS metric constructed by the HydraNet framework provides actionable insights into how momentum impacts outcomes at different granularities, establishing a new foundation for momentum modeling and sports analysis. To the best of our knowledge, this is the first work to explore and effectively model momentum across multiple granularities in professional tennis tournaments.
- Abstract（参考訳）: テニストーナメントでは、運動量(英語版)は、試合結果に決定的に影響を及ぼす選手のパフォーマンスの動的変化を反映している。
その重要性にもかかわらず、テニストーナメントのポイント、ゲーム、セット、試合における効果的なモデリングと多粒度分析の面での勢いは未定である。
本研究では,多粒度テニストーナメントにおける選手の運動量レベルを定量化するための新しいモメンタムスコア(MS)メトリクスを定義し,運動量駆動状態空間双対性に基づくフレームワークであるHydraNetを設計し,スポーツ選手のパフォーマンスの3つの異質な次元を統合してMSをモデル化する。
HydraNetは、状態空間の双対性(SSD)フレームワークの上に構築されたHydraモジュールを統合する。
また、マクロレベルにおける2人のアスリート間の運動量の対角性を高めるための新しいVersus Learning法と、マイクロレベルにおけるプレイヤー内運動量とプレイヤー間運動量の捕捉と統合のための協調的対角的注意機構(CAAM)を導入している。
さらに,2012-2023 Wimbledonと2013-2023 US Openにまたがる100万レベルのテニスクロスターナメントデータセットを構築し,このデータセット上のMSメトリックに対するHydraNetの多粒度モデリング能力を検証した。
HydraNetフレームワークによって構築されたMSメトリックは、運動量がどのように異なる粒度で結果に影響を及ぼすかについて実行可能な洞察を与え、運動量モデリングとスポーツ分析の新たな基盤を確立している。
私たちの知る限りでは、プロテニストーナメントにおいて、複数の粒度にわたる運動量を探索し、効果的にモデル化する最初の試みである。
関連論文リスト
- Model as a Game: On Numerical and Spatial Consistency for Generative Games [117.36098212829766]
本稿では,モデル・アズ・ア・ゲーム(MaaG)のメカニズムを十分に構築した上で,モデル・アズ・ア・ゲーム(MaaG)を真に構成するものを探るため,生成ゲームのパラダイムを再考する。
DiTアーキテクチャに基づいて,(1) LogicNetを統合してイベントトリガを決定する数値モジュール,(2) 探索領域のマップを維持する空間モジュール,(2) 生成中の位置情報を検索して連続性を確保する,という2つの特殊なモジュールを設計する。
論文 参考訳（メタデータ） (2025-03-27T05:46:15Z) - 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) - Momentum Capture and Prediction System Based on Wimbledon Open2023 Tournament Data [4.733690536516437]
本研究では,エントロピー重み法(EWM)とグレイ関係解析(GRA)を相乗化して,運動量の影響を定量化する評価モデルを提案する。
モデルが特定の要因が一致力学に与える影響を識別する能力は、両方向の距離が点の間を走るときに、その長所を示す。
論文 参考訳（メタデータ） (2024-08-02T19:14:49Z) - 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) - Benchmarking Badminton Action Recognition with a New Fine-Grained Dataset [16.407837909069073]
高品質なバドミントン映像から得られたビデオバドミントンデータセットを紹介する。
VideoBadmintonの導入は、バドミントンアクション認識だけでなく、きめ細かいアクションを認識するためのデータセットも提供する。
論文 参考訳（メタデータ） (2024-03-19T02:52:06Z) - MLFEF: Machine Learning Fusion Model with Empirical Formula to Explore
the Momentum in Competitive Sports [2.4048240311299725]
私たちは2つのモデルを構築します。1つはデータ駆動型に基づくモデルを構築すること、もう1つは経験則に基づくモデルを構築することです。
データ駆動型モデルでは,過去5年間にテニスの試合の公開データや選手の個人情報データを含む大量の公開データを発見した。
メカニズム分析モデルでは,多くのテニス選手や愛好家の提案に基づいて重要な特徴が選択された。
論文 参考訳（メタデータ） (2024-02-19T14:02:13Z) - ShuttleSHAP: A Turn-Based Feature Attribution Approach for Analyzing
Forecasting Models in Badminton [52.21869064818728]
バドミントンにおけるプレイヤー戦術予測のための深層学習アプローチは、部分的にはラリープレイヤの相互作用に関する効果的な推論に起因する有望なパフォーマンスを示している。
本稿では,Shapley値の変量に基づいてバドミントンにおける予測モデルを解析するためのターンベース特徴属性手法であるShuttleSHAPを提案する。
論文 参考訳（メタデータ） (2023-12-18T05:37:51Z) - Event-Aware Multimodal Mobility Nowcasting [11.540605108140538]
イベント認識型時間ネットワークEAST-Netは、ソーシャルデータセットの多種多様な実世界のデータセットで評価される。
その結果、最先端のベースラインと比較して、我々のアプローチの優位性を検証した。
論文 参考訳（メタデータ） (2021-12-14T12:35:20Z) - ShuttleNet: Position-aware Fusion of Rally Progress and Player Styles
for Stroke Forecasting in Badminton [18.524164548051417]
本稿では,ターンベースのスポーツにおいて,どのストロークをどこで返すべきかを客観的に判断することに焦点を当てる。
本稿では,ラリープログレスとプレーヤスタイルの融合フレームワーク(ShuttleNet)を提案する。
論文 参考訳（メタデータ） (2021-12-02T08:14:23Z) - Full-Duplex Strategy for Video Object Segmentation [141.43983376262815]
Full- Strategy Network (FSNet)はビデオオブジェクトセグメンテーション(VOS)のための新しいフレームワークである
我々のFSNetは、融合復号ステージの前に、クロスモーダルな機能パス(すなわち、送信と受信)を同時に実行します。
我々のFSNetは、VOSとビデオの有能なオブジェクト検出タスクの両方において、他の最先端技術よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-08-06T14:50:50Z) - Hybrid Dynamic-static Context-aware Attention Network for Action
Assessment in Long Videos [96.45804577283563]
本稿では,長期ビデオにおけるアクションアセスメントのための新しいハイブリットDynAmic-static Context-aware AttenTION NETwork(ACTION-NET)を提案する。
ビデオのダイナミックな情報を学習すると同時に,特定フレームにおける検出した選手の静的姿勢にも焦点をあてる。
2つのストリームの特徴を組み合わせることで、専門家が与えた地道的なスコアによって監督され、最終的なビデオスコアを後退させます。
論文 参考訳（メタデータ） (2020-08-13T15:51:42Z)
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。