論文の概要: Through the Gaps: Uncovering Tactical Line-Breaking Passes with Clustering

• arxiv url: http://arxiv.org/abs/2506.06666v1
• Date: Sat, 07 Jun 2025 05:08:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-10 16:33:10.410799
• Title: Through the Gaps: Uncovering Tactical Line-Breaking Passes with Clustering
• Title（参考訳）: ギャップを通して:クラスタリングによる戦術的ラインブレーキングパスの発見
• Authors: Oktay Karakuş, Hasan Arkadaş,
• Abstract要約: ラインブレーキングパス(LBP)は、フットボールにおいて重要な戦術的行動であり、防御線を貫通し、高価値空間にアクセスできる。 我々は,同期イベントによるLPPの検出と分析と,エリートマッチからのデータの追跡を行う,教師なしクラスタリングベースのフレームワークを提案する。 我々のアプローチは、垂直空間分割によって相手チームの形状をモデル化し、オープンプレイ内の防御線を妨害するパスを特定します。 2022 FIFAワールドカップのチームと選手間でこれらの指標を評価し、垂直進行と構造破壊の様式的な違いを明らかにした。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Line-breaking passes (LBPs) are crucial tactical actions in football, allowing teams to penetrate defensive lines and access high-value spaces. In this study, we present an unsupervised, clustering-based framework for detecting and analysing LBPs using synchronised event and tracking data from elite matches. Our approach models opponent team shape through vertical spatial segmentation and identifies passes that disrupt defensive lines within open play. Beyond detection, we introduce several tactical metrics, including the space build-up ratio (SBR) and two chain-based variants, LBPCh$^1$ and LBPCh$^2$, which quantify the effectiveness of LBPs in generating immediate or sustained attacking threats. We evaluate these metrics across teams and players in the 2022 FIFA World Cup, revealing stylistic differences in vertical progression and structural disruption. The proposed methodology is explainable, scalable, and directly applicable to modern performance analysis and scouting workflows.
• Abstract（参考訳）: ラインブレーキングパス(LBP)は、フットボールにおいて重要な戦術的行動であり、防御線を貫通し、高価値空間にアクセスできる。 本研究では,同期イベントによるLPPの検出と分析と,エリートマッチからのデータの追跡を行う,教師なしクラスタリングに基づくフレームワークを提案する。 我々のアプローチは、垂直空間分割によって相手チームの形状をモデル化し、オープンプレイ内の防御線を妨害するパスを特定します。 検出以外にも,空間構築率 (SBR) とLBPCh$^1$とLBPCh$^2$の2種類のチェーンベース変種(LBPCh$^1$とLBPCh$^2$) を含むいくつかの戦術的指標を導入する。 2022 FIFAワールドカップのチームと選手間でこれらの指標を評価し、垂直進行と構造破壊の様式的な違いを明らかにした。 提案手法は説明可能でスケーラブルで,現代的なパフォーマンス分析やスカウトワークフローに直接適用可能である。

関連論文リスト

• Chasing Moving Targets with Online Self-Play Reinforcement Learning for Safer Language Models [55.28518567702213]
  従来の言語モデル(LM)の安全性アライメントは、リアクティブで非結合な手順に依存している。 このシーケンシャルなアプローチはミスマッチを生み出し、攻撃者は時代遅れの防御に過度に適合する一方、守備側は出現する脅威に常に遅れをとどめている。 我々は,攻撃者と防御エージェントが継続的なインタラクションを通じて共進化するオンラインセルフプレイ強化学習アルゴリズムであるSelf-RedTeamを提案する。
  論文  参考訳（メタデータ） (2025-06-09T06:35:12Z)
• Online Competitive Information Gathering for Partially Observable Trajectory Games [24.25139588281181]
  ゲーム理論エージェントは、相手に関する情報を最適に収集する計画を立てなければならない。 我々は、軌道空間における競合情報収集行動を認めるPOSGの有限履歴/水平改良を定式化する。 これらのゲームにおいて,状態空間の粒子ベース推定を活用し,グラデーションプレイを行う合理的な軌道計画を計算するためのオンライン手法を提案する。
  論文  参考訳（メタデータ） (2025-06-02T17:45:58Z)
• Alignment Under Pressure: The Case for Informed Adversaries When Evaluating LLM Defenses [6.736255552371404]
  アライメント(Alignment)は、迅速な注射や脱獄といった攻撃を防御するために使われる主要なアプローチの1つである。 グレディ・コーディネート・グラディエント(GCG)に対する攻撃成功率(ASR)の報告
  論文  参考訳（メタデータ） (2025-05-21T16:43:17Z)
• Attack-Defense Trees with Offensive and Defensive Attributes (with Appendix) [1.360022695699485]
  アタック・ディフェンス・ツリー(ADT)は、この相互作用を表現するのによく使われる方法論である。 この領域におけるこれまでの作業は、コスト、ダメージ、時間といったメトリクスを攻撃者の観点から分析することだけに重点を置いていた。 本稿では,防衛メトリクスをADTに組み込む新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-17T08:41:07Z)
• 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)
• Efficient Adversarial Training in LLMs with Continuous Attacks [99.5882845458567]
  大規模言語モデル(LLM)は、安全ガードレールをバイパスできる敵攻撃に対して脆弱である。 本稿では,2つの損失からなる高速対向訓練アルゴリズム(C-AdvUL)を提案する。 C-AdvIPOは、対向的に堅牢なアライメントのためのユーティリティデータを必要としない、対向型のIPOである。
  論文  参考訳（メタデータ） (2024-05-24T14:20:09Z)
• Cooperation or Competition: Avoiding Player Domination for Multi-Target Robustness via Adaptive Budgets [76.20705291443208]
  我々は、敵攻撃を、異なるプレイヤーがパラメータ更新の合同方向で合意に達するために交渉する交渉ゲームであると見なしている。 我々は、プレイヤーの優位性を避けるために、異なる敵の予算を調整する新しいフレームワークを設計する。 標準ベンチマークの実験では、提案したフレームワークを既存のアプローチに適用することで、マルチターゲットロバスト性が大幅に向上することが示された。
  論文  参考訳（メタデータ） (2023-06-27T14:02:10Z)
• A Self-supervised Approach for Adversarial Robustness [105.88250594033053]
  敵対的な例は、ディープニューラルネットワーク(DNN)ベースの視覚システムにおいて破滅的な誤りを引き起こす可能性がある。 本稿では,入力空間における自己教師型対向学習機構を提案する。 これは、反逆攻撃に対する強力な堅牢性を提供する。
  論文  参考訳（メタデータ） (2020-06-08T20:42:39Z)
• Dynamic Divide-and-Conquer Adversarial Training for Robust Semantic Segmentation [79.42338812621874]
  敵のトレーニングは、敵の摂動に対するディープニューラルネットワークの堅牢性を改善することを約束している。 本研究は, 敵とクリーンの両方のサンプルに対して良好に動作可能な, 汎用的な敵の訓練手順を定式化する。 本稿では,防衛効果を高めるための動的分割対対人訓練(DDC-AT)戦略を提案する。
  論文  参考訳（メタデータ） (2020-03-14T05:06:49Z)

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。