論文の概要: Better Prevent than Tackle: Valuing Defense in Soccer Based on Graph Neural Networks

• arxiv url: http://arxiv.org/abs/2512.10355v1
• Date: Thu, 11 Dec 2025 07:12:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-12 16:15:42.238902
• Title: Better Prevent than Tackle: Valuing Defense in Soccer Based on Graph Neural Networks
• Title（参考訳）: タックルより優れた予防:グラフニューラルネットワークに基づくサッカーにおける防御の評価
• Authors: Hyunsung Kim, Sangwoo Seo, Hoyoung Choi, Tom Boomstra, Jinsung Yoon, Chanyoung Park,
• Abstract要約: DEFCON(Defensive Contribution Evaluator)は、サッカーにおける全ての攻撃状況に対するプレイヤーレベルの防御的貢献を定量化するフレームワークである。 DEFCONは、各攻撃オプションの成功確率と期待値と、それを止めるための各守備者の責任を見積もる。 相手の期待された可能性価値を減らしたか、あるいは増やしたかに応じて、肯定的または否定的な信用を被告に割り当てる。
• 参考スコア（独自算出の注目度）: 22.27208191198993
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Evaluating defensive performance in soccer remains challenging, as effective defending is often expressed not through visible on-ball actions such as interceptions and tackles, but through preventing dangerous opportunities before they arise. Existing approaches have largely focused on valuing on-ball actions, leaving much of defenders' true impact unmeasured. To address this gap, we propose DEFCON (DEFensive CONtribution evaluator), a comprehensive framework that quantifies player-level defensive contributions for every attacking situation in soccer. Leveraging Graph Attention Networks, DEFCON estimates the success probability and expected value of each attacking option, along with each defender's responsibility for stopping it. These components yield an Expected Possession Value (EPV) for the attacking team before and after each action, and DEFCON assigns positive or negative credits to defenders according to whether they reduced or increased the opponent's EPV. Trained on 2023-24 and evaluated on 2024-25 Eredivisie event and tracking data, DEFCON's aggregated player credits exhibit strong positive correlations with market valuations. Finally, we showcase several practical applications, including in-game timelines of defensive contributions, spatial analyses across pitch zones, and pairwise summaries of attacker-defender interactions.
• Abstract（参考訳）: 効果的な防御は、インターセプトやタックルのようなボール上での目に見える行動ではなく、それらが起こる前に危険な機会を防いで表されるため、サッカーにおける防御性能の評価は依然として難しいままである。 既存のアプローチは、ボール上でのアクションを評価することに集中しており、守備側の真の影響は未測定のままである。 このギャップに対処するために,サッカーにおける攻撃状況毎にプレイヤーレベルの防御的貢献を定量化する総合的なフレームワークであるDEFCON(DEFensive Contribution Evaluator)を提案する。 グラフ注意ネットワークを活用するDEFCONは、各攻撃オプションの成功確率と期待値と、それを止めるための各ディフェンダの責任を見積もる。 これらのコンポーネントは、各アクションの前後に攻撃チームに対して期待値(EPV)を出力し、DEFCONは、相手のEVVを減少または増加させるかどうかに応じて、正または負のクレジットをディフェンダーに割り当てる。 2023-24日にトレーニングされ、2024-25 Eredivisieイベントと追跡データで評価され、DEFCONの集計されたプレイヤークレジットは市場評価と強い正の相関を示す。 最後に、防御的貢献のゲーム内タイムライン、ピッチゾーン間の空間分析、アタッカーとディフェンダーの相互作用のペアワイズサマリーなど、いくつかの実践的応用を紹介した。

関連論文リスト

• Prediction-based evaluation of back-four defense with spatial control in soccer [3.9252515141417756]
  この研究では、空間制御、ストレッチインデックス、圧力指標、防御線の高さといった解釈可能な指標を導入している。 FCバルセロナとレアル・マドリードの2,413回の防衛戦で敗退した。 バルセロナの成功は、より空間制御とコンパクトなライン調整によって特徴づけられる一方、レアル・マドリードはより適応性が高く、一貫性の低い防御構造を示した。
  論文  参考訳（メタデータ） (2025-11-09T02:33:11Z)
• The Attacker Moves Second: Stronger Adaptive Attacks Bypass Defenses Against Llm Jailbreaks and Prompt Injections [74.60337113759313]
  現在のジェイルブレイクとプロンプトインジェクションに対する防御は、通常、有害な攻撃文字列の静的セットに対して評価される。 我々は,この評価プロセスに欠陥があることを論じる。代わりに,攻撃戦略を明示的に修正したアダプティブアタッカーに対する防御を,防衛設計に対抗して評価すべきである。
  論文  参考訳（メタデータ） (2025-10-10T05:51:04Z)
• Chasing Moving Targets with Online Self-Play Reinforcement Learning for Safer Language Models [64.47869632167284]
  従来の言語モデル(LM)の安全性アライメントは、リアクティブで非結合な手順に依存している。 このシーケンシャルなアプローチはミスマッチを生み出し、攻撃者は時代遅れの防御に過度に適合する一方、守備側は出現する脅威に常に遅れをとどめている。 我々は,攻撃者と防御エージェントが継続的なインタラクションを通じて共進化するオンラインセルフプレイ強化学習アルゴリズムであるSelf-RedTeamを提案する。
  論文  参考訳（メタデータ） (2025-06-09T06:35:12Z)
• A Quantal Response Analysis of Defender-Attacker Sequential Security Games [1.3022753212679383]
  2つのサイトと、ディフェンダーとアタッカーの間のシーケンシャルゲームを含むシナリオを探索する。 攻撃の目的は、防御者のセキュリティ投資を考慮して、防御者の期待する損失を最大化するサイトをターゲットにすることである。 我々は、人間が効率的な(純粋な)戦略を選択する際にエラーを犯す量子的行動バイアスを考察する。
  論文  参考訳（メタデータ） (2024-08-02T00:40:48Z)
• Cooperation or Competition: Avoiding Player Domination for Multi-Target Robustness via Adaptive Budgets [76.20705291443208]
  我々は、敵攻撃を、異なるプレイヤーがパラメータ更新の合同方向で合意に達するために交渉する交渉ゲームであると見なしている。 我々は、プレイヤーの優位性を避けるために、異なる敵の予算を調整する新しいフレームワークを設計する。 標準ベンチマークの実験では、提案したフレームワークを既存のアプローチに適用することで、マルチターゲットロバスト性が大幅に向上することが示された。
  論文  参考訳（メタデータ） (2023-06-27T14:02:10Z)
• Adversarial Machine Learning and Defense Game for NextG Signal Classification with Deep Learning [1.1726528038065764]
  NextGシステムは、ユーザ機器の識別、物理層認証、既存ユーザの検出など、さまざまなタスクにディープニューラルネットワーク(DNN)を使用することができる。 本稿では,深層学習に基づくNextG信号分類のための攻撃と防御の相互作用を研究するゲーム理論フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-22T15:13:03Z)
• Vision-based Perimeter Defense via Multiview Pose Estimation [23.62649649982264]
  本研究では,写真実写シミュレータと実世界における周辺防御ゲームについて検討する。 我々は、ドメインランダム化を用いた侵入者ポーズ検出のためのディープラーニングベースのシステムを訓練する。 視覚に基づく周辺防御を評価するための性能指標を新たに導入する。
  論文  参考訳（メタデータ） (2022-09-25T03:41:45Z)
• What Happened Next? Using Deep Learning to Value Defensive Actions in Football Event-Data [1.290382979353427]
  我々は、このような防御行動を評価する新しいメトリクスを定義するために、ディープラーニング技術を使用します。 それらに先行するプレイパスの脅威を研究することで、私たちは防御行動を評価することができます。 我々のモデルは、イベントデータを用いてディフェンスディフェンダーの影響を予測することができる。
  論文  参考訳（メタデータ） (2021-06-03T12:18:26Z)
• Reliable evaluation of adversarial robustness with an ensemble of diverse parameter-free attacks [65.20660287833537]
  本稿では,最適段差の大きさと目的関数の問題による障害を克服するPGD攻撃の2つの拡張を提案する。 そして、我々の新しい攻撃と2つの補完的な既存の攻撃を組み合わせることで、パラメータフリーで、計算に手頃な価格で、ユーザに依存しない攻撃のアンサンブルを形成し、敵の堅牢性をテストする。
  論文  参考訳（メタデータ） (2020-03-03T18:15:55Z)

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。