論文の概要: Calisthenics Skills Temporal Video Segmentation

• arxiv url: http://arxiv.org/abs/2507.12245v1
• Date: Wed, 16 Jul 2025 13:55:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-17 19:00:11.412777
• Title: Calisthenics Skills Temporal Video Segmentation
• Title（参考訳）: Calisthenics Skills Temporal Video Segmentation
• Authors: Antonio Finocchiaro, Giovanni Maria Farinella, Antonino Furnari,
• Abstract要約: カリストニクス(Calisthenics)は、異なるカテゴリから構成される、急速に成長するボディーウェイト分野である。 本研究では,Calisthenics分野における自動化ツールの実装に向けた最初のステップを提供する。
• 参考スコア（独自算出の注目度）: 13.99137623722021
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Calisthenics is a fast-growing bodyweight discipline that consists of different categories, one of which is focused on skills. Skills in calisthenics encompass both static and dynamic elements performed by athletes. The evaluation of static skills is based on their difficulty level and the duration of the hold. Automated tools able to recognize isometric skills from a video by segmenting them to estimate their duration would be desirable to assist athletes in their training and judges during competitions. Although the video understanding literature on action recognition through body pose analysis is rich, no previous work has specifically addressed the problem of calisthenics skill temporal video segmentation. This study aims to provide an initial step towards the implementation of automated tools within the field of Calisthenics. To advance knowledge in this context, we propose a dataset of video footage of static calisthenics skills performed by athletes. Each video is annotated with a temporal segmentation which determines the extent of each skill. We hence report the results of a baseline approach to address the problem of skill temporal segmentation on the proposed dataset. The results highlight the feasibility of the proposed problem, while there is still room for improvement.
• Abstract（参考訳）: カリストニクス(Calisthenics)は、異なるカテゴリから構成される、急速に成長するボディーウェイト分野である。 体操のスキルは、アスリートが行う静的要素と動的要素の両方を含んでいる。 静的スキルの評価は、その難易度と保持期間に基づいて行われる。 ビデオから等尺的スキルを認識できる自動ツールは、競技中の選手のトレーニングや審査員を支援することが望ましい。 身体ポーズ分析による行動認識に関する映像理解文献は豊富だが, 従来の技術では, 時間的ビデオセグメンテーションにおけるカリッセニクスの課題には特に対処していない。 本研究では,Calisthenics分野における自動化ツールの実装に向けた最初のステップを提供する。 そこで本稿では,スポーツ選手が行う静的カリシニックススキルのビデオ映像のデータセットを提案する。 各ビデオには、各スキルの程度を決定する時間的セグメンテーションが付加されている。 そこで我々は,提案したデータセットの時間的スキルセグメンテーションの問題に対処するためのベースラインアプローチの結果を報告する。 その結果,改善の余地はあるものの,提案した課題の実現可能性を強調した。

関連論文リスト

• Markerless Stride Length estimation in Athletic using Pose Estimation with monocular vision [2.334978724544296]
  競技におけるストライド長やランナーのペースなどのパフォーマンス指標は、異なるトリックを用いて推定することができる。 本稿では,映像列からのストライド長と速度遷移を推定するためのコンピュータビジョンに基づくアプローチについて検討する。
  論文  参考訳（メタデータ） (2025-07-02T13:37:53Z)
• Artificial intelligence for objective assessment of acrobatic movements: How to apply machine learning for identifying tumbling elements in cheer sports [0.0]
  チアリーディングにおけるタンブリング要素の評価は、客観的尺度と主観的判断の両方に依存します。 転倒の複雑さ - チーム同期性、接地相互作用、振付、芸術的表現など - は、客観的な評価を困難にしている。 本研究では,1つの慣性測定ユニットからのデータを用いたAIベースのアプローチの実現可能性について検討した。
  論文  参考訳（メタデータ） (2025-02-11T15:16:03Z)
• YourSkatingCoach: A Figure Skating Video Benchmark for Fine-Grained Element Analysis [10.444961818248624]
  データセットには、ジャンプ要素の454のビデオ、検出された各ビデオ中のスケータースケルトン、ジャンプの開始フレームと終了フレームのゴールドラベル、フィギュアスケートの動画ベンチマークが含まれている。 そこで本研究では,ジャンプの時間長を正確に検出することを目的とした,新しい動作解析タスクである空気時間検出を提案する。 細粒度ラベルの一般化性を検証するため、粗粒度タスクアクション分類ではなく、クロススポーツタスクとして他のスポーツにも同様のプロセスを適用する。
  論文  参考訳（メタデータ） (2024-10-27T12:52:28Z)
• ExpertAF: Expert Actionable Feedback from Video [81.46431188306397]
  本研究では,バスケットボールやサッカーなどの身体活動を行う人の映像から,アクション可能なフィードバックを生成する新しい手法を提案する。 提案手法は,映像のデモンストレーションとそれに伴う3Dボディーポーズを取り,その人が何をしているか,何が改善できるかを解説した専門家のコメントを生成する。 Ego-Exo4Dの[29]ビデオの熟練した活動と専門家の解説を、強力な言語モデルとともに活用して、このタスクのための弱い教師付きトレーニングデータセットを作成する方法を示す。
  論文  参考訳（メタデータ） (2024-08-01T16:13:07Z)
• No More Shortcuts: Realizing the Potential of Temporal Self-Supervision [69.59938105887538]
  本稿では、フレームレベルの認識タスクではなく、フレームレベルの認識タスクとして、時間的自己監督のより困難な再構築を提案する。 我々は、より困難なフレームレベルのタスクの定式化とショートカットの削除が、時間的自己監督によって学習された特徴の質を大幅に改善することを示した。
  論文  参考訳（メタデータ） (2023-12-20T13:20:31Z)
• A Survey on Video Action Recognition in Sports: Datasets, Methods and Applications [60.3327085463545]
  本稿では,スポーツ分析のための映像行動認識に関する調査を行う。 サッカー、バスケットボール、バレーボール、ホッケー、フィギュアスケート、体操、卓球、ダイビング、バドミントンなど10種以上のスポーツを紹介します。 本研究では,サッカー,バスケットボール,卓球,フィギュアスケート動作認識をサポートするPaddlePaddleを用いたツールボックスを開発した。
  論文  参考訳（メタデータ） (2022-06-02T13:19:36Z)
• Efficient Video Segmentation Models with Per-frame Inference [117.97423110566963]
  推論のオーバーヘッドを導入することなく、時間的一貫性を改善することに注力する。 本稿では,時間的一貫性の喪失やオンライン/オフラインの知識蒸留手法など,ビデオシーケンスから学ぶためのいくつかの手法を提案する。
  論文  参考訳（メタデータ） (2022-02-24T23:51:36Z)
• Sports Video: Fine-Grained Action Detection and Classification of Table Tennis Strokes from Videos for MediaEval 2021 [0.0]
  このタスクは、ビデオからのきめ細かいアクション検出と分類に取り組む。 主に卓球の試合の記録に焦点が当てられている。 本研究は,スポーツのパフォーマンスを解析するために,スポーツコーチや選手のためのツールを作成することを目的としている。
  論文  参考訳（メタデータ） (2021-12-16T10:17:59Z)
• 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)
• 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)
• Weight Training Analysis of Sportsmen with Kinect Bioinformatics for Form Improvement [0.0]
  本稿では,重量トレーニング中の選手の動きを捉え,そのデータを解析して,障害や不完全性を発見するシステムを提案する。 本システムでは,Kinect深度画像を用いて,選手の選択した関節のパラメータを算出している。
  論文  参考訳（メタデータ） (2020-08-13T04:52:31Z)

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。