論文の概要: Round Outcome Prediction in VALORANT Using Tactical Features from Video Analysis

• arxiv url: http://arxiv.org/abs/2510.17199v1
• Date: Mon, 20 Oct 2025 06:23:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:39.332605
• Title: Round Outcome Prediction in VALORANT Using Tactical Features from Video Analysis
• Title（参考訳）: 映像解析の戦術的特徴を用いたVALORANTのラウンドアウトカム予測
• Authors: Nirai Hayakawa, Kazumasa Shimari, Kazuma Yamasaki, Hirotatsu Hoshikawa, Rikuto Tsuchida, Kenichi Matsumoto,
• Abstract要約: この研究は複雑な戦略を必要とするFPSゲームVALORANTをターゲットにしている。 マッチング映像中のミニマップ情報を解析することにより、ラウンドアウト予測モデルを構築することを目的としている。
• 参考スコア（独自算出の注目度）: 0.9922182602237924
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recently, research on predicting match outcomes in esports has been actively conducted, but much of it is based on match log data and statistical information. This research targets the FPS game VALORANT, which requires complex strategies, and aims to build a round outcome prediction model by analyzing minimap information in match footage. Specifically, based on the video recognition model TimeSformer, we attempt to improve prediction accuracy by incorporating detailed tactical features extracted from minimap information, such as character position information and other in-game events. This paper reports preliminary results showing that a model trained on a dataset augmented with such tactical event labels achieved approximately 81% prediction accuracy, especially from the middle phases of a round onward, significantly outperforming a model trained on a dataset with the minimap information itself. This suggests that leveraging tactical features from match footage is highly effective for predicting round outcomes in VALORANT.
• Abstract（参考訳）: 近年,eスポーツにおけるマッチング結果の予測に関する研究が盛んに行われているが,その多くがマッチングログデータと統計情報に基づいている。 本研究は、複雑な戦略を必要とするFPSゲーム「VALORANT」をターゲットとし、マッチング映像におけるミニマップ情報を分析して、ラウンド結果予測モデルを構築することを目的とする。 具体的には,ビデオ認識モデルであるTimeSformerに基づいて,文字位置情報などのミニマップ情報から抽出した詳細な戦術的特徴を組み込むことで,予測精度の向上を図る。 本稿では,このような戦術的イベントラベルを付加したデータセットでトレーニングしたモデルが,特にラウンドの中間段階から約81%の予測精度を達成し,ミニマップ情報自体を用いてトレーニングしたモデルよりも有意に優れていたことを示す予備的な結果を報告する。 このことから,一致映像からの戦術的特徴の活用は,VALORANTのラウンドアウトの予測に極めて有効であることが示唆された。

関連論文リスト

• Bayes-xG: Player and Position Correction on Expected Goals (xG) using Bayesian Hierarchical Approach [55.2480439325792]
  本研究は, 期待目標(xG)測定値を用いて, 目標となるショットの予測における選手や位置要因の影響について検討した。 StatsBombの公開データを使って、イングランドのプレミアリーグから1万発のショットを分析している。 この研究は、スペインのラ・リガとドイツのブンデスリーガのデータに分析を拡張し、同等の結果を得た。
  論文  参考訳（メタデータ） (2023-11-22T21:54:02Z)
• A Control-Centric Benchmark for Video Prediction [69.22614362800692]
  本稿では,アクション条件付きビデオ予測のベンチマークを,制御ベンチマークの形式で提案する。 私たちのベンチマークには、11のタスクカテゴリと310のタスクインスタンス定義を備えたシミュレーション環境が含まれています。 次に、ベンチマークを活用して、スケールするモデルサイズ、トレーニングデータの量、モデルアンサンブルの影響を調査します。
  論文  参考訳（メタデータ） (2023-04-26T17:59:45Z)
• ASPEST: Bridging the Gap Between Active Learning and Selective Prediction [56.001808843574395]
  選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。 アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。 本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
  論文  参考訳（メタデータ） (2023-04-07T23:51:07Z)
• Transformer-Based Neural Marked Spatio Temporal Point Process Model for Football Match Events Analysis [0.6946929968559495]
  本稿では,ニューラル・テンポラル・ポイント・プロセス・フレームワークに基づくフットボール・イベント・データのモデルを提案する。 検証のために,サッカーチームの最終ランキング,平均ゴールスコア,シーズン平均xGとの関係を検討した。 平均HPUSはゴールやショットの詳細を使わずとも有意な相関を示した。
  論文  参考訳（メタデータ） (2023-02-18T10:02:45Z)
• Explainable expected goal models for performance analysis in football analytics [5.802346990263708]
  本報告では,2014-15年と2020-21年の7シーズンから315,430発のショットをトレーニングした,欧州サッカーリーグのトップ5のゴールモデルを提案する。 我々の知る限りでは、この論文は、プロファイルを集約した説明可能な人工知能ツールの実用的な応用を実証した最初の論文である。
  論文  参考訳（メタデータ） (2022-06-14T23:56:03Z)
• Improved Fine-tuning by Leveraging Pre-training Data: Theory and Practice [52.11183787786718]
  対象データに事前学習されたモデルを微調整することは、多くのディープラーニングアプリケーションで広く利用されている。 近年の研究では、スクラッチからのトレーニングが、この事前トレーニング戦略に比較して、最終的なパフォーマンスを示すことが実証されている。 本稿では,対象タスクの一般化を改善するために,事前学習データからサブセットを選択する新しい選択戦略を提案する。
  論文  参考訳（メタデータ） (2021-11-24T06:18:32Z)
• Efficient Feature Representations for Cricket Data Analysis using Deep Learning based Multi-Modal Fusion Model [0.0]
  本研究では,適応型(学習可能な)埋め込みを用いた関係特徴の表現について検討した。 この研究に使用されるデータは、古典的なT20トーナメントIPL(インディアン・プレミアリーグ)から収集される。
  論文  参考訳（メタデータ） (2021-08-16T15:14:55Z)
• Machine learning models for DOTA 2 outcomes prediction [8.388178167818635]
  本研究は,Dota 2 MOBAゲームの結果を特定するための予測機械学習モデルとディープラーニングモデルの構築に主に焦点をあてる。 リニア回帰(LR)、ニューラルネットワーク(NN)、リカレントニューラルネットワーク(LSTM)の3つのモデルについて検討・比較を行った。
  論文  参考訳（メタデータ） (2021-06-03T12:10:26Z)
• Interpretable Real-Time Win Prediction for Honor of Kings, a Popular Mobile MOBA Esport [51.20042288437171]
  本研究では,2段階空間時間ネットワーク(TSSTN)を提案する。 実世界のライブストリーミングシナリオにおける実験結果と応用により,提案したTSSTNモデルは予測精度と解釈可能性の両方において有効であることが示された。
  論文  参考訳（メタデータ） (2020-08-14T12:00:58Z)
• Discovering indicators of dark horse of soccer games by deep learning from sequential trading data [0.6526824510982799]
  ディープラーニングモデルは、実際の予測市場からの実際のシーケンシャルなトレーディングデータに基づいて設計、訓練される。 新しい損失関数が提案され、その選択を高い投資リターンと一致させてモデルを訓練する。 4669試合のトップリーグの試合の完全な調査の結果、我々のモデルは高いリターンの予測精度をオフにした。
  論文  参考訳（メタデータ） (2020-08-03T07:24:29Z)
• Deep Learning for Content-based Personalized Viewport Prediction of 360-Degree VR Videos [72.08072170033054]
  本稿では、位置データとビデオフレームコンテンツを活用して、将来の頭部の動きを予測するためのディープラーニングネットワークを提案する。 このニューラルネットワークに入力されるデータを最適化するために、このモデルのために、データサンプル率、データ削減、長期予測長についても検討する。
  論文  参考訳（メタデータ） (2020-03-01T07:31:50Z)

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。