論文の概要: AdaSports-Traj: Role- and Domain-Aware Adaptation for Multi-Agent Trajectory Modeling in Sports

• arxiv url: http://arxiv.org/abs/2509.16095v1
• Date: Fri, 19 Sep 2025 15:38:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-22 18:18:11.232906
• Title: AdaSports-Traj: Role- and Domain-Aware Adaptation for Multi-Agent Trajectory Modeling in Sports
• Title（参考訳）: AdaSports-Traj:スポーツにおける多エージェント軌跡モデリングのための役割とドメイン・アウェア適応
• Authors: Yi Xu, Yun Fu,
• Abstract要約: 多エージェントスポーツシナリオにおける軌道予測は、エージェントの役割間の構造的不均一性のために本質的に困難である。 AdaSports-Trajは,スポーツにおけるドメイン内およびドメイン間分布の相違を明示的に扱う適応軌道モデリングフレームワークである。
• 参考スコア（独自算出の注目度）: 36.65776173244672
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Trajectory prediction in multi-agent sports scenarios is inherently challenging due to the structural heterogeneity across agent roles (e.g., players vs. ball) and dynamic distribution gaps across different sports domains. Existing unified frameworks often fail to capture these structured distributional shifts, resulting in suboptimal generalization across roles and domains. We propose AdaSports-Traj, an adaptive trajectory modeling framework that explicitly addresses both intra-domain and inter-domain distribution discrepancies in sports. At its core, AdaSports-Traj incorporates a Role- and Domain-Aware Adapter to conditionally adjust latent representations based on agent identity and domain context. Additionally, we introduce a Hierarchical Contrastive Learning objective, which separately supervises role-sensitive and domain-aware representations to encourage disentangled latent structures without introducing optimization conflict. Experiments on three diverse sports datasets, Basketball-U, Football-U, and Soccer-U, demonstrate the effectiveness of our adaptive design, achieving strong performance in both unified and cross-domain trajectory prediction settings.
• Abstract（参考訳）: 多エージェントスポーツのシナリオにおける軌道予測は、エージェントの役割(例えば、プレーヤー対ボール)間の構造的不均一性と、異なるスポーツドメイン間の動的分布ギャップにより本質的に困難である。 既存の統合フレームワークは、しばしばこれらの構造化された分散シフトを捉えることができず、結果として役割やドメイン間での最適下限の一般化をもたらす。 AdaSports-Trajは,スポーツにおけるドメイン内およびドメイン間分布の相違を明示的に扱う適応軌道モデリングフレームワークである。 コアとなるAdaSports-TrajにはRole- and Domain-Aware Adapterが組み込まれている。 さらに,役割に敏感な表現とドメイン認識の表現を別々に監督する階層的コントラスト学習の目標を導入し,最適化競合を導入することなく非絡み合い構造を奨励する。 Basketball-U, Football-U, Soccer-Uの3種類のスポーツデータセットを用いた実験により,適応設計の有効性が示された。

関連論文リスト

• Cross-Domain Policy Transfer by Representation Alignment via Multi-Domain Behavioral Cloning [13.674493608667627]
  本稿では、ドメイン間の共有潜在表現と、その上に共通の抽象ポリシーを学習する、ドメイン間ポリシー転送のためのシンプルなアプローチを提案する。 提案手法は,プロキシタスクの不整合軌道上でのマルチドメイン動作のクローン化と,ドメイン間のアライメントを促進するために,最大平均不整合(MMD)を正規化用語として利用する。
  論文  参考訳（メタデータ） (2024-07-24T00:13:00Z)
• AdapTraj: A Multi-Source Domain Generalization Framework for Multi-Agent Trajectory Prediction [29.489714129095862]
  マルチエージェント軌道予測は、動的システムにおけるオブジェクトの複雑な相互作用をモデル化する上で重要なタスクである。 本稿では,マルチエージェント軌道予測に適したマルチソース領域一般化フレームワークAdapTrajを提案する。 AdapTrajは、他のベースラインをかなり上回っている。
  論文  参考訳（メタデータ） (2023-12-22T02:49:56Z)
• AIR-DA: Adversarial Image Reconstruction for Unsupervised Domain Adaptive Object Detection [28.22783703278792]
  特徴抽出器の対角訓練を容易にするための正則化器としての適応画像再構成(AIR) ドメインシフトに挑戦するいくつかのデータセットにまたがって評価を行った結果,提案手法が従来の手法よりも優れていたことが判明した。
  論文  参考訳（メタデータ） (2023-03-27T16:51:51Z)
• Discriminative Radial Domain Adaptation [62.22362756424971]
  本稿では、ソースとターゲットドメインを共有ラジアル構造を介してブリッジする差別的ラジアルドメイン適応(DRDR)を提案する。 このような固有識別構造を移行することで,特徴伝達性と識別可能性の同時向上が期待できることを示す。 提案手法は,様々なタスクに対する最先端のアプローチを一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2023-01-01T10:56:31Z)
• AFAN: Augmented Feature Alignment Network for Cross-Domain Object Detection [90.18752912204778]
  オブジェクト検出のための教師なしドメイン適応は、多くの現実世界のアプリケーションにおいて難しい問題である。 本稿では、中間領域画像生成とドメイン・アドバイザリー・トレーニングを統合した新しい機能アライメント・ネットワーク(AFAN)を提案する。 提案手法は、類似および異種ドメイン適応の双方において、標準ベンチマークにおける最先端の手法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2021-06-10T05:01:20Z)
• Deep Adversarial Transition Learning using Cross-Grafted Generative Stacks [3.756448228784421]
  本稿では,ドメインギャップを埋める新たなDATL(Deep Adversarial transition Learning)フレームワークを提案する。 2つの領域に対して可変オートエンコーダ(VAE)を構築し、VAEのデコーダスタックをクロスグラフすることで双方向遷移を形成する。 生成敵対ネットワーク(GAN)は、対象ドメインデータをソースドメインの既知のラベル空間にマッピングするドメイン適応に使用される。
  論文  参考訳（メタデータ） (2020-09-25T04:25:27Z)
• Adaptively-Accumulated Knowledge Transfer for Partial Domain Adaptation [66.74638960925854]
  部分ドメイン適応(PDA)は、ソースドメインラベル空間がターゲットドメインを置き換えるとき、現実的で困難な問題を扱う。 本稿では,2つの領域にまたがる関連カテゴリを整合させる適応的知識伝達フレームワーク(A$2KT)を提案する。
  論文  参考訳（メタデータ） (2020-08-27T00:53:43Z)
• Off-Dynamics Reinforcement Learning: Training for Transfer with Domain Classifiers [138.68213707587822]
  強化学習におけるドメイン適応のためのシンプルで実践的で直感的なアプローチを提案する。 報酬関数を変更することで、力学の違いを補うことで、この目標を達成することができることを示す。 我々のアプローチは、連続状態とアクションを持つドメインに適用でき、ダイナミックスの明示的なモデルを学ぶ必要がない。
  論文  参考訳（メタデータ） (2020-06-24T17:47:37Z)
• Domain Conditioned Adaptation Network [90.63261870610211]
  本稿では,ドメイン条件付きチャネルアテンション機構を用いて,異なる畳み込みチャネルを励起するドメイン条件適応ネットワーク(DCAN)を提案する。 これは、ディープDAネットワークのドメインワイドな畳み込みチャネルアクティベーションを探求する最初の試みである。
  論文  参考訳（メタデータ） (2020-05-14T04:23:24Z)

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。