論文の概要: Concurrent validity of computer-vision artificial intelligence player tracking software using broadcast footage

• arxiv url: http://arxiv.org/abs/2508.19477v1
• Date: Tue, 26 Aug 2025 23:40:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 19:07:41.446424
• Title: Concurrent validity of computer-vision artificial intelligence player tracking software using broadcast footage
• Title（参考訳）: 放送映像を用いたコンピュータビジョン人工知能プレーヤー追跡ソフトウェアの同時評価
• Authors: Zachary L. Crang, Rich D. Johnston, Katie L. Mills, Johsan Billingham, Sam Robertson, Michael H. Cole, Jonathon Weakley, Adam Hewitt and, Grant M. Duthie,
• Abstract要約: 2022年のカタール・フェデレーション・インターナショナル・デ・フットボール・アソシエーション(FIFA)ワールドカップで1試合に出場した。 コンピュータビジョンとAIを使用する3つの商用追跡プロバイダが参加した。 データは高解像度マルチカメラ追跡システムと比較された。
• 参考スコア（独自算出の注目度）: 0.7115591863976217
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study aimed to: (1) understand whether commercially available computer-vision and artificial intelligence (AI) player tracking software can accurately measure player position, speed and distance using broadcast footage and (2) determine the impact of camera feed and resolution on accuracy. Data were obtained from one match at the 2022 Qatar Federation Internationale de Football Association (FIFA) World Cup. Tactical, programme and camera 1 feeds were used. Three commercial tracking providers that use computer-vision and AI participated. Providers analysed instantaneous position (x, y coordinates) and speed (m\,s^{-1}) of each player. Their data were compared with a high-definition multi-camera tracking system (TRACAB Gen 5). Root mean square error (RMSE) and mean bias were calculated. Position RMSE ranged from 1.68 to 16.39 m, while speed RMSE ranged from 0.34 to 2.38 m\,s^{-1}. Total match distance mean bias ranged from -1745 m (-21.8%) to 1945 m (24.3%) across providers. Computer-vision and AI player tracking software offer the ability to track players with fair precision when players are detected by the software. Providers should use a tactical feed when tracking position and speed, which will maximise player detection, improving accuracy. Both 720p and 1080p resolutions are suitable, assuming appropriate computer-vision and AI models are implemented.
• Abstract（参考訳）: 本研究の目的は,(1)市販のコンピュータビジョンと人工知能(AI)プレーヤートラッキングソフトウェアが,放送映像を用いて,プレイヤーの位置,速度,距離を正確に測定できるかどうかを把握し,(2)カメラの映像と解像度が精度に与える影響を判定することである。 2022年のカタール・フェデレーション・インターナショナル・デ・フットボール・アソシエーション(FIFA)ワールドカップの1試合からデータを得た。 戦術、プログラム、カメラ1が使用された。 コンピュータビジョンとAIを使用する3つの商用追跡プロバイダが参加した。 プロバイダは各プレーヤの即時位置 (x, y 座標) と速度 (m\,s^{-1}) を分析した。 これらのデータは、高解像度マルチカメラ追跡システム(TRACAB Gen 5)と比較された。 ルート平均二乗誤差(RMSE)と平均偏差を算出した。 RMSEの位置は1.68mから16.39mまで、RMSEの速度は0.34mから2.38m\,s^{-1}まで変化した。 試合距離の平均偏差は-1745 m (-21.8%) から1945 m (24.3%) まで変化した。 コンピュータビジョンとAIプレイヤー追跡ソフトウェアは、ソフトウェアによってプレイヤーが検出されたとき、プレイヤーを正確に追跡する機能を提供する。 プロバイダは、位置と速度を追跡する際に戦術的フィードを使用する必要がある。 720pと1080pの両方の解像度が適しており、適切なコンピュータビジョンとAIモデルが実装されていることを前提としている。

関連論文リスト

• The 9th AI City Challenge [64.32227009699942]
  第9回AIシティチャレンジは、輸送、産業自動化、公共安全におけるコンピュータビジョンとAIの現実的な応用を推し進めている。 2025年版では4トラックが収録され、17%が参加し、評価サーバに登録された15カ国から245チームが参加した。 チャレンジデータセットのパブリックリリースにより、これまでに3万回以上ダウンロードされた。
  論文  参考訳（メタデータ） (2025-08-19T06:55:06Z)
• From Broadcast to Minimap: Achieving State-of-the-Art SoccerNet Game State Reconstruction [0.19748373512880277]
  ゲーム・ステート・レコンストラクション(GSR)は、サッカーのフィールドプレーヤ、ゴールキーパー、審判員、その他全ての個人を正確に追跡し、ローカライズする。 この能力により、コーチやアナリストはプレイヤーの動き、チーム形成、ゲームダイナミクスに関する実用的な洞察を導き出すことができる。 単一カメラのセットアップを用いて,選手を一括して追跡する,堅牢なエンドツーエンドパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-04-08T18:10:44Z)
• The 8th AI City Challenge [57.25825945041515]
  2024年版では5トラックが収録され、47か国と地域の726チームから前例のない関心を集めた。 このチャレンジでは、2つのリーダーボードを使ってメソッドを展示し、参加者は新しいベンチマークを設定した。
  論文  参考訳（メタデータ） (2024-04-15T03:12:17Z)
• The 7th AI City Challenge [87.23137854688389]
  AIシティチャレンジの第7版では、コンピュータビジョンと人工知能の交差点にある2つのドメインを強調している。 2023年大会には5つのトラックがあり、46カ国508チームからの参加要請が過去最高となった。 参加チームのトップパフォーマンスは強いベースラインを確立し、提案されたチャレンジトラックで最先端の成績を上げました。
  論文  参考訳（メタデータ） (2023-04-15T08:02:16Z)
• AZTR: Aerial Video Action Recognition with Auto Zoom and Temporal Reasoning [63.628195002143734]
  本稿では,空中映像の行動認識のための新しい手法を提案する。 提案手法は,UAVを用いて撮影したビデオに対して設計されており,エッジやモバイルデバイス上でも動作可能である。 我々は、カスタマイズされたオートズームを使用して、人間のターゲットを自動的に識別し、適切にスケールする学習ベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2023-03-02T21:24:19Z)
• Observation Centric and Central Distance Recovery on Sports Player Tracking [24.396926939889532]
  本稿では,バスケットボール,サッカー,バレーボールを含む3つのスポーツを対象とした,モーションベースのトラッキングアルゴリズムと3つのポストプロセッシングパイプラインを提案する。 本手法は,2022年のSportsmotワークショップ最終リーダーボードで3位にランクインした73.968のHOTAを達成した。
  論文  参考訳（メタデータ） (2022-09-27T04:48:11Z)
• Evaluating deep tracking models for player tracking in broadcast ice hockey video [20.850267622473176]
  選手追跡は、ホッケー選手の動きが高速で非線形であるため、難しい問題である。 我々は、いくつかの最先端追跡アルゴリズムを比較し、アイスホッケーのパフォーマンスと失敗モードを分析した。
  論文  参考訳（メタデータ） (2022-05-22T22:56:31Z)
• 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)
• AI-enabled Prediction of eSports Player Performance Using the Data from Heterogeneous Sensors [12.071865017583502]
  我々は,センサのデータのみを用いて,eSportsプレーヤーのゲーム内パフォーマンスを予測する人工知能(AI)対応ソリューションについて報告する。 リカレントニューラルネットワークを用いて、マルチプレイヤーゲームにおけるゲームログから、各モーメント毎のプレイヤー性能を評価する。 提案するソリューションはプロのeスポーツチームやアマチュア選手のための学習ツールに多くの有望な応用がある。
  論文  参考訳（メタデータ） (2020-12-07T07:31:53Z)
• The 4th AI City Challenge [80.00140907239279]
  AI City Challengeの第4回年次エディションには,37カ国で315チームが参加している。 評価はアルゴリズムの有効性と計算効率の両面から行われる。 結果は、AI技術がよりスマートで安全な輸送システムを可能にすることを約束している。
  論文  参考訳（メタデータ） (2020-04-30T07:47:14Z)
• A Hybrid Approach for Tracking Individual Players in Broadcast Match Videos [1.160208922584163]
  本稿では,高速かつ高精度な選手追跡ソリューションを提案する。 このアプローチは、比較的控えめなハードウェアで同時に実行される複数のモデルを組み合わせる。 性能に関しては80fpsで高精細ビデオ(1920x1080)を処理できる。
  論文  参考訳（メタデータ） (2020-03-06T15:16:23Z)

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。