論文の概要: SoccerNet 2025 Challenges Results

• arxiv url: http://arxiv.org/abs/2508.19182v1
• Date: Tue, 26 Aug 2025 16:37:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-27 17:42:38.918526
• Title: SoccerNet 2025 Challenges Results
• Title（参考訳）: SoccerNet 2025の課題
• Abstract要約: SoccerNet 2025 Challengesは、サッカービデオ理解におけるコンピュータビジョン研究の進歩に特化した、サッカーネットオープンな取り組みの第5回年次大会である。 今年の課題は、Team Ball Action Spotting、Monocular Depth Estimation、Multi-View Foul Recognition、Game State Reconstructionの4つのビジョンベースのタスクにまたがる。 レポートは、各課題の結果を示し、最高パフォーマンスのソリューションを強調し、コミュニティが達成した進歩に関する洞察を提供する。
• 参考スコア（独自算出の注目度）: 205.71032061537747
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The SoccerNet 2025 Challenges mark the fifth annual edition of the SoccerNet open benchmarking effort, dedicated to advancing computer vision research in football video understanding. This year's challenges span four vision-based tasks: (1) Team Ball Action Spotting, focused on detecting ball-related actions in football broadcasts and assigning actions to teams; (2) Monocular Depth Estimation, targeting the recovery of scene geometry from single-camera broadcast clips through relative depth estimation for each pixel; (3) Multi-View Foul Recognition, requiring the analysis of multiple synchronized camera views to classify fouls and their severity; and (4) Game State Reconstruction, aimed at localizing and identifying all players from a broadcast video to reconstruct the game state on a 2D top-view of the field. Across all tasks, participants were provided with large-scale annotated datasets, unified evaluation protocols, and strong baselines as starting points. This report presents the results of each challenge, highlights the top-performing solutions, and provides insights into the progress made by the community. The SoccerNet Challenges continue to serve as a driving force for reproducible, open research at the intersection of computer vision, artificial intelligence, and sports. Detailed information about the tasks, challenges, and leaderboards can be found at https://www.soccer-net.org, with baselines and development kits available at https://github.com/SoccerNet.
• Abstract（参考訳）: SoccerNet 2025 Challengesは、サッカービデオ理解におけるコンピュータビジョン研究の進歩に特化した、サッカーネットオープンベンチマークの5回目の年次版である。 今年の課題は,(1)フットボール放送におけるボール関連アクションの検出とチームへの割り当てに焦点を当てたチームボールアクションスポッティング,(2)単一カメラ放送クリップからのシーン形状の回復を目標としたモノクロ深度推定,(3)ファウルとその重症度を分類するために複数の同期カメラビューの解析を必要とするマルチビューフール認識,(4)放送ビデオからすべてのプレイヤーをローカライズし,フィールドの2Dトップビューでゲーム状態の再構築を目的としたゲームステートリストラクション,の4つである。 すべてのタスクで参加者は、大規模な注釈付きデータセット、統一された評価プロトコル、出発点としての強いベースラインが提供された。 本報告では,各課題の結果を報告するとともに,トップパフォーマンスのソリューションを強調し,コミュニティの進歩に対する洞察を提供する。 SoccerNet Challengesは、コンピュータビジョン、人工知能、スポーツの交差点で再現可能でオープンな研究の原動力として活動を続けている。 タスク、課題、リーダーボードの詳細はhttps://www.soccer-net.orgで、ベースラインと開発キットはhttps://github.com/SoccerNetで入手できる。

関連論文リスト

• SoccerNet 2026 Challenges Results [146.24850117279183]
  SoccerNet 2026 Challengesは、スポーツビデオ理解におけるコンピュータビジョン研究の推進を目的とした、サッカーネットオープン活動の第6回年次大会である。 本稿では,各課題とその評価プロトコルについて述べるとともに,課題のリーダーボードを提示し,主要な提案事項を要約する。
  論文  参考訳（メタデータ） (2026-07-08T12:06:48Z)
• SoccerNet 2024 Challenges Results [152.8534707514927]
  SoccerNet 2024の課題は、サッカーネットチームが主催する4年目のビデオ理解の課題を表している。 この課題は、サッカーにおける複数のテーマにまたがる研究を進めることを目的としており、放送ビデオ理解、フィールド理解、プレイヤー理解などが含まれる。 今年は、4つのビジョンベースのタスクが課題となっている。
  論文  参考訳（メタデータ） (2024-09-16T14:12:22Z)
• SoccerNet Game State Reconstruction: End-to-End Athlete Tracking and Identification on a Minimap [102.5232204867158]
  我々は、ゲーム状態再構成のタスクを形式化し、フットボールビデオに焦点を当てた新しいゲーム状態再構成データセットである、サッカーネット-GSRを紹介する。 SoccerNet-GSRは、ピッチローカライゼーションとカメラキャリブレーションのための937万行のアノテートにより、30秒間の200の動画シーケンスで構成されている。 我々の実験は、GSRは挑戦的な新しい課題であり、将来の研究の場を開くことを示している。
  論文  参考訳（メタデータ） (2024-04-17T12:53:45Z)
• SoccerNet 2023 Challenges Results [165.5977813812761]
  SoccerNet 2023 チャレンジ(英語: SoccerNet 2023 Challenge)は、サッカーネットチームが主催する3回目のビデオ理解チャレンジである。 この第3版では、課題は7つの視覚に基づくタスクから成っており、3つのテーマに分けられた。
  論文  参考訳（メタデータ） (2023-09-12T07:03:30Z)
• SoccerNet 2022 Challenges Results [167.6158475931228]
  SoccerNet 2022 チャレンジ(英語: SoccerNet 2022 Challenge)は、サッカーネットチームが主催する2回目のビデオ理解チャレンジである。 2022年、課題は6つの視覚ベースのタスクで構成された。 昨年の課題と比較すると、タスク(1-2)は、より厳密な時間的アキュラシーを検討するために評価基準を再定義し、基礎となるデータやアノテーションを含むタスク(3-6)は新しくなった。
  論文  参考訳（メタデータ） (2022-10-05T16:12:50Z)
• DeepSportradar-v1: Computer Vision Dataset for Sports Understanding with High Quality Annotations [3.000319651350124]
  本稿では,自動スポーツ理解のためのコンピュータビジョンタスク,データセット,ベンチマークスイートであるDeepSportradar-v1を紹介する。 このフレームワークの主な目的は、学術研究と現実世界の設定のギャップを埋めることである。
  論文  参考訳（メタデータ） (2022-08-17T09:55:02Z)
• SoccerNet-v2: A Dataset and Benchmarks for Holistic Understanding of Broadcast Soccer Videos [71.72665910128975]
  SoccerNet-v2 は SoccerNet ビデオデータセット用の手動アノテーションの大規模なコーパスである。 SoccerNetの500の未トリミングサッカービデオの中で、約300万のアノテーションをリリースしています。 サッカーの領域における現在のタスクを拡張し、アクションスポッティング、カメラショットセグメンテーション、境界検出を含む。
  論文  参考訳（メタデータ） (2020-11-26T16:10:16Z)

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。