論文の概要: TOTNet: Occlusion-Aware Temporal Tracking for Robust Ball Detection in Sports Videos

• arxiv url: http://arxiv.org/abs/2508.09650v1
• Date: Wed, 13 Aug 2025 09:33:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-14 20:42:00.835508
• Title: TOTNet: Occlusion-Aware Temporal Tracking for Robust Ball Detection in Sports Videos
• Title（参考訳）: TOTNet:スポーツビデオにおけるロバストボール検出のためのOcclusion-Aware Temporal Tracking
• Authors: Hao Xu, Arbind Agrahari Baniya, Sam Wells, Mohamed Reda Bouadjenek, Richard Dazely, Sunil Aryal,
• Abstract要約: パラリンピック・オーストラリアと共同で開発されたTOTNetは、現実世界のスポーツ分析用に設計されている。 テニス、バドミントン、卓球の4つのデータセットで評価しました その結果,オフラインスポーツ分析におけるTOTNetsの有効性が示された。
• 参考スコア（独自算出の注目度）: 5.370973308949871
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robust ball tracking under occlusion remains a key challenge in sports video analysis, affecting tasks like event detection and officiating. We present TOTNet, a Temporal Occlusion Tracking Network that leverages 3D convolutions, visibility-weighted loss, and occlusion augmentation to improve performance under partial and full occlusions. Developed in collaboration with Paralympics Australia, TOTNet is designed for real-world sports analytics. We introduce TTA, a new occlusion-rich table tennis dataset collected from professional-level Paralympic matches, comprising 9,159 samples with 1,996 occlusion cases. Evaluated on four datasets across tennis, badminton, and table tennis, TOTNet significantly outperforms prior state-of-the-art methods, reducing RMSE from 37.30 to 7.19 and improving accuracy on fully occluded frames from 0.63 to 0.80. These results demonstrate TOTNets effectiveness for offline sports analytics in fast-paced scenarios. Code and data access:\href{https://github.com/AugustRushG/TOTNet}{AugustRushG/TOTNet}.
• Abstract（参考訳）: 閉塞下でのロバストなボール追跡は、スポーツビデオ分析において重要な課題であり、イベント検出や不適格化といったタスクに影響を与えている。 ToTNetは3次元畳み込み、視認性に富んだ損失、オクルージョン強化を利用して、部分的および完全閉塞下での性能向上を図る。 パラリンピック・オーストラリアと共同で開発されたTOTNetは、現実世界のスポーツ分析用に設計されている。 プロレベルのパラリンピックマッチから収集した新しいオクルージョンリッチテーブルテニスデータセットであるTTAを導入し,9,159個のサンプルと1,996個のオクルージョンケースについて検討した。 テニス、バドミントン、卓球の4つのデータセットで評価され、TOTNetは最先端の手法よりも優れており、RMSEは37.30から7.19に減少し、完全に隠蔽されたフレームの精度は0.63から0.80に向上した。 これらの結果から,オフラインスポーツ分析におけるTOTNetsの有効性が示された。 コードとデータアクセス:\href{https://github.com/ AugustRushG/TOTNet}{ AugustRushG/TOTNet}。

関連論文リスト

• SoccerSynth-Detection: A Synthetic Dataset for Soccer Player Detection [0.7332146059733189]
  Soccer Synth-Detectionは、合成サッカー選手を検出するために設計された最初の合成データセットである。 広い範囲のランダムな照明やテクスチャ、シミュレートされたカメラモーションのぼかしなどが含まれる。 本研究は,サッカービデオ解析の分野でのアルゴリズム学習において,実際のデータセットを置き換える合成データセットの可能性を示すものである。
  論文  参考訳（メタデータ） (2025-01-16T04:06:59Z)
• EITNet: An IoT-Enhanced Framework for Real-Time Basketball Action Recognition [17.068932442773864]
  EITNetは、ディープラーニング、I3D時間オブジェクト抽出、時間解析のためのTimeSformerを組み合わせたフレームワークである。 私たちの貢献には、認識精度を92%向上する堅牢なアーキテクチャの開発が含まれています。 IoTテクノロジの統合は、リアルタイムデータ処理を強化し、プレイヤーのパフォーマンスと戦略に関する適応的な洞察を提供する。
  論文  参考訳（メタデータ） (2024-10-13T18:21:15Z)
• Temporal Correlation Meets Embedding: Towards a 2nd Generation of JDE-based Real-Time Multi-Object Tracking [52.04679257903805]
  共同検出・埋め込み(JDE)トラッカーは多目的追跡(MOT)タスクにおいて優れた性能を示した。 TCBTrackという名前のトラッカーは、複数の公開ベンチマークで最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2024-07-19T07:48:45Z)
• An X3D Neural Network Analysis for Runner's Performance Assessment in a Wild Sporting Environment [1.4859458229776121]
  本稿では,拡張型3D(X3D)ニューラルネットワークのスポーツ環境における伝達学習解析について述べる。 本手法は,スポーツ選手の累積レース時間を推定するために,行動品質評価手法にヒントを得て,行動認識ネットワークを用いた。 X3Dは最先端の性能を達成し、以前の作業よりも精度を向上するために約7倍のメモリを必要とする。
  論文  参考訳（メタデータ） (2023-07-22T23:15:47Z)
• D$^{\bf{3}}$: Duplicate Detection Decontaminator for Multi-Athlete Tracking in Sports Videos [44.027619577289144]
  重複検出は、1フレーム内の複数の検出ボックスによって、同一選手の閉塞誤報として、新しく正確に定義される。 この問題に対処するために、トレーニング用のトランスフォーマーベースの検出デコンタミネータ(D$3$)と、マッチングのための特定のアルゴリズムRally-Hungarian(RH)を慎重に設計する。 我々のモデルはバレーボールビデオのみで訓練されており、MATのバスケットボールやサッカービデオに直接適用することができる。
  論文  参考訳（メタデータ） (2022-09-25T15:46:39Z)
• Minkowski Tracker: A Sparse Spatio-Temporal R-CNN for Joint Object Detection and Tracking [53.64390261936975]
  我々はオブジェクトの検出と追跡を共同で解決するスパース時間R-CNNであるMinkowski Trackerを提案する。 領域ベースCNN(R-CNN)に着想を得て,物体検出器R-CNNの第2段階として動きを追跡することを提案する。 大規模実験では,本手法の総合的な性能向上は4つの要因によることがわかった。
  論文  参考訳（メタデータ） (2022-08-22T04:47:40Z)
• 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)
• 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)
• TTNet: Real-time temporal and spatial video analysis of table tennis [5.156484100374058]
  本稿では,高精細度卓球ビデオのリアルタイム処理を目的としたニューラルネットワークを提案する。 このアプローチは、自動参照システムによるスコア更新を推論するためのコア情報を提供する。 イベントをラベル付けした120fpsのテーブルテニスゲームのビデオ付きマルチタスクデータセットOpenTTGamesを公開している。
  論文  参考訳（メタデータ） (2020-04-21T11:57:51Z)

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。