論文の概要: Team-Aware Football Player Tracking with SAM: An Appearance-Based Approach to Occlusion Recovery
- arxiv url: http://arxiv.org/abs/2512.08467v1
- Date: Tue, 09 Dec 2025 10:40:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-10 22:28:07.923102
- Title: Team-Aware Football Player Tracking with SAM: An Appearance-Based Approach to Occlusion Recovery
- Title（参考訳）: SAMによるチーム・アウェア・フットボール選手の追跡--オクルージョン・リカバリのための外観に基づくアプローチ
- Authors: Chamath Ranasinghe, Uthayasanker Thayasivam,
- Abstract要約: 本稿では,サッカー選手を対象とした軽量なSAMベースのトラッキング手法を提案する。
この手法はCSRTトラッカーとジャージの色に基づく外観モデルを組み合わせたものである。
フットボールのビデオシーケンスの実験では、この手法が安定したメモリ使用量で7.6-7.7 FPSを達成することが示されている。
- 参考スコア（独自算出の注目度）: 1.2461503242570642
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Football player tracking is challenged by frequent occlusions, similar appearances, and rapid motion in crowded scenes. This paper presents a lightweight SAM-based tracking method combining the Segment Anything Model (SAM) with CSRT trackers and jersey color-based appearance models. We propose a team-aware tracking system that uses SAM for precise initialization and HSV histogram-based re-identification to improve occlusion recovery. Our evaluation measures three dimensions: processing speed (FPS and memory), tracking accuracy (success rate and box stability), and robustness (occlusion recovery and identity consistency). Experiments on football video sequences show that the approach achieves 7.6-7.7 FPS with stable memory usage (~1880 MB), maintaining 100 percent tracking success in light occlusions and 90 percent in crowded penalty-box scenarios with 5 or more players. Appearance-based re-identification recovers 50 percent of heavy occlusions, demonstrating the value of domain-specific cues. Analysis reveals key trade-offs: the SAM + CSRT combination provides consistent performance across crowd densities but struggles with long-term occlusions where players leave the frame, achieving only 8.66 percent re-acquisition success. These results offer practical guidelines for deploying football tracking systems under resource constraints, showing that classical tracker-based methods work well with continuous visibility but require stronger re-identification mechanisms for extended absences.
- Abstract（参考訳）: サッカー選手の追跡は、しばしばオクルージョン、似たような外観、混雑したシーンでの急激な動きによって挑戦される。
本稿では,Segment Anything Model(SAM)とCSRTトラッカー,およびジャージカラーベース外観モデルを組み合わせた軽量なSAMベーストラッキング手法を提案する。
そこで本研究では,SAMを正確な初期化とHSVヒストグラムに基づく再同定に用い,咬合回復を改善するためのチーム認識トラッキングシステムを提案する。
評価では,処理速度(FPSとメモリ),精度(成功率とボックス安定性),堅牢性(閉塞回復とアイデンティティ整合性)の3次元を測定した。
フットボールビデオシーケンスの実験では、この手法が安定したメモリ使用量(約1880 MB)で7.6-7.7 FPSを達成することを示し、5人以上のプレイヤーが混み合ったペナルティボックスのシナリオで100%の追跡に成功した。
出現に基づく再同定は、重閉塞の50%を回復させ、ドメイン固有の手がかりの価値を示す。
SAM + CSRTの組み合わせは、群衆の密度をまたいで一貫したパフォーマンスを提供するが、プレイヤーがフレームを離れる長期的な閉塞に苦慮し、再獲得に成功したのはわずか8.6%である。
これらの結果は,資源制約下でのサッカーのトラッキングシステムをデプロイするための実践的ガイドラインを提供し,従来のトラッカーベースの手法が連続的な可視性にうまく機能するが,より強力な再同定機構を必要としていることを示す。
関連論文リスト
- Hand Held Multi-Object Tracking Dataset in American Football [9.92798361398834]
マルチオブジェクトトラッキング(MOT)は、ビデオからプレイヤーの動作を分析する上で重要な役割を担い、パフォーマンス評価を可能にする。
現在のMOTメソッドは、しばしば公開データセットを使用して評価される。
標準化されたデータセットは公開されておらず、メソッドの比較が難しい。
以上の結果から,混み合ったシナリオにおいても正確な検出と追跡が可能であることが示された。
論文 参考訳（メタデータ） (2025-11-12T16:15:18Z) - SAMITE: Position Prompted SAM2 with Calibrated Memory for Visual Object Tracking [58.35852822355312]
Visual Object Tracking (VOT)は、ビデオ内のターゲットを継続的に追跡する自律運転のようなアプリケーションで広く使われている。
これらの問題に対処するために、ビデオ基盤モデルSAM2をVOTに適用し、各フレームの追跡結果をメモリとして符号化し、残りのフレームを自己回帰的に条件付けする手法を提案する。
これらの課題に対処するために,SAM2 上にモジュールを追加して構築した SAMITE モデルを提案する。
論文 参考訳（メタデータ） (2025-07-29T12:11:56Z) - FACTS: Fine-Grained Action Classification for Tactical Sports [4.810476621219244]
フェンシングやボクシングのような速いペースで密着したスポーツにおけるきめ細かいアクションの分類は、固有の課題である。
我々は、生のビデオデータを直接処理する、きめ細かいアクション認識のための新しいアプローチであるFACTSを紹介する。
本研究は, トレーニング, パフォーマンス分析, スペクタエンゲージメントを向上し, 戦術スポーツにおける行動分類のための新しいベンチマークを設定した。
論文 参考訳（メタデータ） (2024-12-21T03:00:25Z) - SAMURAI: Adapting Segment Anything Model for Zero-Shot Visual Tracking with Motion-Aware Memory [23.547018300192065]
本稿では,視覚的物体追跡に特化して設計されたSAM 2を改良したSAmuraiを紹介する。
提案した動き認識メモリ選択機構に時間的動作手がかりを組み込むことで、物体の動きを効果的に予測し、マスク選択を洗練し、トレーニングや微調整を必要とせず、堅牢で正確なトラッキングを実現する。
評価では、既存のトラッカーよりも成功率と精度が大幅に向上し、LaSOT$_ext$で7.1%、GOT-10kで3.5%向上した。
論文 参考訳（メタデータ） (2024-11-18T05:59:03Z) - GTA: Global Tracklet Association for Multi-Object Tracking in Sports [28.771579713224085]
スポーツシナリオにおける多目的追跡は、コンピュータビジョンにおける焦点の1つとなっている。
トラッキング性能を向上させるために,外見に基づくグローバルトラックレットアソシエーションアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-11-12T22:16:50Z) - Correlation-Embedded Transformer Tracking: A Single-Branch Framework [69.0798277313574]
本稿では,トランスにインスパイアされた新しい単一ブランチ追跡フレームワークを提案する。
Siameseのような特徴抽出とは異なり、トラッカーは機能ネットワークの複数の層にクロスイメージ特徴相関を深く埋め込む。
出力機能は、追加の相関ステップなしでターゲット位置を予測するために直接使用できる。
論文 参考訳（メタデータ） (2024-01-23T13:20:57Z) - Self-Supervised Multi-Object Tracking For Autonomous Driving From
Consistency Across Timescales [53.55369862746357]
自己管理型マルチオブジェクトトラッカーは、生のドメイン固有データから学習できるという大きな可能性を秘めている。
しかし、その再識別精度は、監督対象よりも低い。
本稿では,複数の連続フレームから再同定特徴を自己教師付きで学習できる学習目標を提案する。
論文 参考訳（メタデータ） (2023-04-25T20:47:29Z) - 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) - Efficient tracking of team sport players with few game-specific
annotations [1.052782170493037]
そこで本研究では,セミ・インタラクティブ・システムを通じて収集された人間のアノテーションがほとんどないため,チームスポーツ選手をフルゲーム中に追跡する新たな汎用手法を提案する。
非曖昧なトラックレットとその外観特徴は、両方の公開データセットで事前訓練された検出と再識別ネットワークによって自動的に生成される。
ラグビーのセブンスデータセットにアプローチの効率性を示す。
論文 参考訳（メタデータ） (2022-04-08T13:11:30Z) - Learning Target Candidate Association to Keep Track of What Not to Track [100.80610986625693]
目標を追尾し続けるために、逸脱物を追跡することを提案します。
視覚的トラッキングにおいて, トラクタオブジェクト間の接地トルース対応を欠く問題に対処するために, 部分アノテーションと自己監督を組み合わせたトレーニング戦略を提案する。
我々のトラッカーは6つのベンチマークで新しい最先端のベンチマークを設定し、AUCスコアはLaSOTで67.2%、OxUvA長期データセットで+6.1%向上した。
論文 参考訳（メタデータ） (2021-03-30T17:58:02Z)
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。