論文の概要: Enhancing Sports Strategy with Video Analytics and Data Mining: Automated Video-Based Analytics Framework for Tennis Doubles
- arxiv url: http://arxiv.org/abs/2507.02906v1
- Date: Tue, 24 Jun 2025 06:48:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-13 12:05:57.502777
- Title: Enhancing Sports Strategy with Video Analytics and Data Mining: Automated Video-Based Analytics Framework for Tennis Doubles
- Title（参考訳）: ビデオ分析とデータマイニングによるスポーツ戦略の強化:テニスダブルスのための自動ビデオベース分析フレームワーク
- Authors: Jia Wei Chen,
- Abstract要約: このフレームワークは、グラウンディングディーノのような高度な機械学習技術と、自然言語の接地による正確なプレイヤーローカライゼーションと、ロバストなポーズ推定のためのYOLO-Poseを統合している。
テニスの試合データに対する我々のアプローチを評価し,CNNを用いたトランスファー学習を用いたモデルが,ショットタイプ,プレーヤ位置,フォーメーションの予測において,ポーズベースの手法よりもかなり優れていることを示す。
- 参考スコア（独自算出の注目度）: 3.1130310881807
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a comprehensive video-based analytics framework for tennis doubles that addresses the lack of automated analysis tools for this strategically complex sport. Our approach introduces a standardised annotation methodology encompassing player positioning, shot types, court formations, and match outcomes, coupled with a specialised annotation tool designed to meet the unique requirements of tennis video labelling. The framework integrates advanced machine learning techniques including GroundingDINO for precise player localisation through natural language grounding and YOLO-Pose for robust pose estimation. This combination significantly reduces manual annotation effort whilst improving data consistency and quality. We evaluate our approach on doubles tennis match data and demonstrate that CNN-based models with transfer learning substantially outperform pose-based methods for predicting shot types, player positioning, and formations. The CNN models effectively capture complex visual and contextual features essential for doubles tennis analysis. Our integrated system bridges advanced analytical capabilities with the strategic complexities of tennis doubles, providing a foundation for automated tactical analysis, performance evaluation, and strategic modelling in professional tennis.
- Abstract（参考訳）: 本稿では,この戦略的に複雑なスポーツにおける自動解析ツールの欠如に対処する,テニスダブルスのための総合的なビデオベース分析フレームワークを提案する。
本手法では,テニスビデオラベリングのユニークな要件を満たすためのアノテーションツールと合わせて,プレーヤの位置決め,ショットタイプ,コート形成,マッチ結果を含む標準化されたアノテーション手法を提案する。
このフレームワークは、グラウンディングディーノのような高度な機械学習技術と、自然言語の接地による正確なプレイヤーローカライゼーションと、ロバストなポーズ推定のためのYOLO-Poseを統合している。
この組み合わせは、データの一貫性と品質を改善しながら、手作業によるアノテーションの労力を大幅に削減します。
テニスの試合データに対する我々のアプローチを評価し,CNNを用いたトランスファー学習を用いたモデルが,ショットタイプ,プレーヤ位置,フォーメーションの予測において,ポーズベースの手法よりもかなり優れていることを示す。
CNNモデルは、テニスのダブルス解析に不可欠な複雑な視覚的特徴と文脈的特徴を効果的に捉えている。
我々の統合型システムブリッジは、テニスダブルスの戦略的複雑さを伴って解析能力を向上し、プロテニスにおける自動戦術分析、性能評価、戦略モデリングの基礎を提供する。
関連論文リスト
- Understanding Long Videos via LLM-Powered Entity Relation Graphs [51.13422967711056]
GraphVideoAgentは、ビデオシーケンスを通して視覚的エンティティ間の進化する関係をマップし、監視するフレームワークである。
当社の手法は,業界ベンチマークと比較した場合,顕著な効果を示す。
論文 参考訳（メタデータ） (2025-01-27T10:57:24Z) - Match Point AI: A Novel AI Framework for Evaluating Data-Driven Tennis Strategies [46.1232919707345]
テニスマッチシミュレーション環境のtextitMatch Point AI について述べる。
最初の実験では、シミュレートされたテニスの試合で生成されたショット・バイ・ショットのデータは、実世界のデータと比較して現実的な特徴を示している。
同時に、現実のテニスの試合で見られるものと類似した、合理的なショット配置戦略が出現する。
論文 参考訳（メタデータ） (2024-08-12T07:22:46Z) - ViSTec: Video Modeling for Sports Technique Recognition and Tactical
Analysis [19.945083591851517]
ViSTecは、人間の認知にインスパイアされたビデオベースのスポーツ技術認識モデルである。
提案手法は,ストロークシーケンスにおける戦略的知識を明示的にモデル化するグラフを統合し,文脈的帰納バイアスによる技術認識を強化する。
中国の卓球チームの専門家によるケーススタディは、分析を自動化するモデルの能力を検証する。
論文 参考訳（メタデータ） (2024-02-25T02:04:56Z) - Classification of Tennis Actions Using Deep Learning [0.0]
本研究では,深層学習によるテニス行動の分類の可能性と課題について検討する。
テニスデータセットTheTISを用いて,異なる大きさの3つのモデルを訓練し,評価した。
最高のモデルは74 %の一般化精度を達成し、テニスアクション分類に優れた性能を示す。
論文 参考訳（メタデータ） (2024-02-04T15:48:20Z) - 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) - Sports Video Analysis on Large-Scale Data [10.24207108909385]
本稿では,スポーツビデオにおける自動機械記述のモデル化について検討する。
スポーツビデオ分析のためのNBAデータセット(NSVA)を提案する。
論文 参考訳（メタデータ） (2022-08-09T16:59:24Z) - P2ANet: A Dataset and Benchmark for Dense Action Detection from Table Tennis Match Broadcasting Videos [64.57435509822416]
この作品は、ワールド・テーブルテニス選手権とオリンピアードのプロの卓球試合の放送ビデオから収集された2,721本のビデオクリップで構成されている。
強調局所化と強調認識という2つのアクション検出問題を定式化する。
その結果、TheNameは依然として困難なタスクであり、ビデオからの高密度なアクション検出のための特別なベンチマークとして使用できることを確認した。
論文 参考訳（メタデータ） (2022-07-26T08:34:17Z) - Table Tennis Stroke Recognition Using Two-Dimensional Human Pose
Estimation [0.0]
本稿では,卓球映像データを集め,ストローク検出と分類を行う新しい手法を提案する。
14人のプロ卓球選手から得られた11の基本的なストロークのビデオデータを含む多様なデータセットが収集されている。
2次元ポーズ推定を用いて開発された時間畳み込みニューラルネットワークモデルは、これら11の卓球ストロークのマルチクラス分類を行う。
論文 参考訳（メタデータ） (2021-04-20T11:32:43Z) - Unified Graph Structured Models for Video Understanding [93.72081456202672]
リレーショナル・テンポラル関係を明示的にモデル化するメッセージパッシンググラフニューラルネットワークを提案する。
本手法は,シーン内の関連エンティティ間の関係をより効果的にモデル化できることを示す。
論文 参考訳（メタデータ） (2021-03-29T14:37:35Z) - EventAnchor: Reducing Human Interactions in Event Annotation of Racket
Sports Videos [26.516909452362455]
EventAnchorは、ラケットスポーツビデオのインタラクティブなアノテーションを容易にするデータ分析フレームワークである。
このアプローチでは,コンピュータビジョンにおける機械学習モデルを用いて,ユーザがビデオから重要なイベントを取得するのを支援する。
論文 参考訳（メタデータ） (2021-01-13T09:32:05Z) - 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。