論文の概要: PathCRF: Ball-Free Soccer Event Detection via Possession Path Inference from Player Trajectories

• arxiv url: http://arxiv.org/abs/2602.12080v1
• Date: Thu, 12 Feb 2026 15:37:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-13 21:07:25.896229
• Title: PathCRF: Ball-Free Soccer Event Detection via Possession Path Inference from Player Trajectories
• Title（参考訳）: PathCRF: 選手軌道からのポッセッションパス推論によるボールフリーサッカーイベント検出
• Authors: Hyunsung Kim, Kunhee Lee, Sangwoo Seo, Sang-Ki Ko, Jinsung Yoon, Chanyoung Park,
• Abstract要約: PathCRFは、選手追跡データのみを使用して、ボール上のサッカーイベントを検出するためのフレームワークである。 我々は連続するエッジ間の不可能な遷移を禁ずる条件ランダム場(CRF)を用いる。 実験により、PathCRFは正確で論理的に一貫した所有経路を生成し、信頼性の高い下流分析を可能にすることが示された。
• 参考スコア（独自算出の注目度）: 20.527490112837572
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite recent advances in AI, event data collection in soccer still relies heavily on labor-intensive manual annotation. Although prior work has explored automatic event detection using player and ball trajectories, ball tracking also remains difficult to scale due to high infrastructural and operational costs. As a result, comprehensive data collection in soccer is largely confined to top-tier competitions, limiting the broader adoption of data-driven analysis in this domain. To address this challenge, this paper proposes PathCRF, a framework for detecting on-ball soccer events using only player tracking data. We model player trajectories as a fully connected dynamic graph and formulate event detection as the problem of selecting exactly one edge corresponding to the current possession state at each time step. To ensure logical consistency of the resulting edge sequence, we employ a Conditional Random Field (CRF) that forbids impossible transitions between consecutive edges. Both emission and transition scores dynamically computed from edge embeddings produced by a Set Attention-based backbone architecture. During inference, the most probable edge sequence is obtained via Viterbi decoding, and events such as ball controls or passes are detected whenever the selected edge changes between adjacent time steps. Experiments show that PathCRF produces accurate, logically consistent possession paths, enabling reliable downstream analyses while substantially reducing the need for manual event annotation. The source code is available at https://github.com/hyunsungkim-ds/pathcrf.git.
• Abstract（参考訳）: AIの最近の進歩にもかかわらず、サッカーにおけるイベントデータ収集は依然として労働集約的な手動アノテーションに大きく依存している。 従来の研究では、選手やボールの軌跡を用いた自動イベント検出が検討されてきたが、高いインフラや運用コストのために、ボール追跡のスケーリングも困難である。 その結果、サッカーにおける包括的なデータ収集は、主にトップティアの競争に限られており、この領域におけるデータ駆動分析の広範な採用を制限している。 そこで本研究では,選手追跡データのみを用いて,ボール上のサッカーイベントを検出するためのフレームワークであるPathCRFを提案する。 プレイヤー軌跡を完全に連結された動的グラフとしてモデル化し、各時間ステップで現在の保持状態に対応する1つのエッジを正確に選択する問題としてイベント検出を定式化する。 得られたエッジシーケンスの論理的整合性を確保するために、連続するエッジ間の不可能な遷移を禁ずる条件ランダムフィールド(CRF)を用いる。 出力と遷移のスコアは、セットアテンションベースのバックボーンアーキテクチャによって生成されたエッジ埋め込みから動的に計算される。 推論中、最も確率の高いエッジシーケンスはビタビ復号により取得され、選択されたエッジが隣接する時間ステップ間で変化した場合に、ボール制御やパスなどのイベントを検出する。 実験の結果、PathCRFは正確で論理的に一貫した所有パスを生成し、信頼性の高い下流分析を可能にし、手動のイベントアノテーションの必要性を大幅に減らした。 ソースコードはhttps://github.com/hyunsungkim-ds/pathcrf.gitで公開されている。

関連論文リスト

• CADTrack: Learning Contextual Aggregation with Deformable Alignment for Robust RGBT Tracking [68.71826342377004]
  RGB-Thermal (RGBT) トラッキングは、堅牢な全天候物体追跡のために可視および熱赤外モードを活用することを目的としている。 既存のRGBTトラッカーはモダリティの相違を解決するのに苦労している。 RGBT追跡のためのCADTrackと呼ばれる,変形可能なアライメントによるコンテキストアグリゲーション(Contextual Aggregation)を提案する。
  論文  参考訳（メタデータ） (2025-11-22T08:10:02Z)
• Temporal Correlation Meets Embedding: Towards a 2nd Generation of JDE-based Real-Time Multi-Object Tracking [52.04679257903805]
  共同検出・埋め込み(JDE)トラッカーは多目的追跡(MOT)タスクにおいて優れた性能を示した。 TCBTrackという名前のトラッカーは、複数の公開ベンチマークで最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2024-07-19T07:48:45Z)
• Ball Trajectory Inference from Multi-Agent Sports Contexts Using Set Transformer and Hierarchical Bi-LSTM [18.884300680050316]
  本稿では,ボールトラッキングに代わる費用対効果として,選手軌道からの球軌道推定フレームワークを提案する。 実験の結果,本モデルでは,自然かつ正確な軌道と,許容可能な球の保持を同時に行うことができることがわかった。 提案するフレームワークの実用的応用には,トラジェクティブ・インプットの欠如,半自動パスアノテーション,マッチブロードキャストのための自動ズームイン,保持可能な性能指標の算出などがある。
  論文  参考訳（メタデータ） (2023-06-14T02:19:59Z)
• Event Detection in Football using Graph Convolutional Networks [0.0]
  ビデオシーケンスの各フレームにおけるプレーヤとボールをグラフとしてモデル化する方法を示す。 本稿では,各アクションの周囲に存在する時間的コンテキストをモデル化するためのグラフ畳み込み層とプール法について述べる。
  論文  参考訳（メタデータ） (2023-01-24T14:52:54Z)
• 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)
• Automatic event detection in football using tracking data [0.0]
  本研究では,すべての選手と球の座標の追跡データを用いて,サッカーイベントを自動的に抽出するフレームワークを提案する。 提案手法は, 1) ボールが保持されていない時間間隔において, ボールが保持されているかのモデルと, ボールが保持されていない時間間隔の異なる選手構成の2つのモデルから成り立っている。
  論文  参考訳（メタデータ） (2022-02-01T23:20:40Z)
• RMS-Net: Regression and Masking for Soccer Event Spotting [52.742046866220484]
  イベントラベルとその時間的オフセットを同時に予測できる,軽量でモジュール化されたアクションスポッティングネットワークを開発した。 SoccerNetデータセットでテストし、標準機能を使用して、完全な提案は3平均mAPポイントで現在の状態を超えます。
  論文  参考訳（メタデータ） (2021-02-15T16:04:18Z)
• Trajectory saliency detection using consistency-oriented latent codes from a recurrent auto-encoder [0.0]
  軌道は、プログレッシブな動的サリエンシー検出をサポートする最良の方法です。 与えられた文脈に関連する共通の動きパターンを共有する通常の軌跡から逸脱した場合、軌跡は有能である。 本手法は,鉄道駅で取得した歩行者軌跡の公開データセットから得られた複数のシナリオにおいて,既存の手法に勝ることを示す。
  論文  参考訳（メタデータ） (2020-12-17T13:29:11Z)
• Slicing and dicing soccer: automatic detection of complex events from spatio-temporal data [4.652872227256855]
  スポーツビデオにおけるイベントの自動検出は、データ分析だけでなく、ブロードキャストやメディア企業にも重要な応用がある。 本稿では,サッカービデオにおける多種多様な複雑な事象を抽出するための包括的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-04-08T17:57:50Z)
• Tracking Road Users using Constraint Programming [79.32806233778511]
  本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。 提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
  論文  参考訳（メタデータ） (2020-03-10T00:04:32Z)

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。