論文の概要: SportSkills: Physical Skill Learning from Sports Instructional Videos

• arxiv url: http://arxiv.org/abs/2603.25163v1
• Date: Thu, 26 Mar 2026 08:29:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.182831
• Title: SportSkills: Physical Skill Learning from Sports Instructional Videos
• Title（参考訳）: SportSkills:スポーツインストラクショナルビデオによる物理スキルの学習
• Authors: Kumar Ashutosh, Chi Hsuan Wu, Kristen Grauman,
• Abstract要約: SportSkillsは、Wildビデオによる物理的なスキル学習を目的とした、初めての大規模なスポーツデータセットだ。 SportSkillsは、物理的なアクションの微妙な違いを理解することができる。 本稿では,誤り条件付き指導ビデオ検索の大規模タスク定式化について紹介する。
• 参考スコア（独自算出の注目度）: 51.16409727318035
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current large-scale video datasets focus on general human activity, but lack depth of coverage on fine-grained activities needed to address physical skill learning. We introduce SportSkills, the first large-scale sports dataset geared towards physical skill learning with in-the-wild video. SportSkills has more than 360k instructional videos containing more than 630k visual demonstrations paired with instructional narrations explaining the know-how behind the actions from 55 varied sports. Through a suite of experiments, we show that SportSkills unlocks the ability to understand fine-grained differences between physical actions. Our representation achieves gains of up to 4x with the same model trained on traditional activity-centric datasets. Crucially, building on SportSkills, we introduce the first large-scale task formulation of mistake-conditioned instructional video retrieval, bridging representation learning and actionable feedback generation (e.g., "here's my execution of a skill; which video clip should I watch to improve it?"). Formal evaluations by professional coaches show our retrieval approach significantly advances the ability of video models to personalize visual instructions for a user query.
• Abstract（参考訳）: 現在の大規模なビデオデータセットは、一般的な人間の活動に焦点をあてているが、物理的なスキル学習に対処するために必要な、きめ細かな活動について、詳細な情報がない。 われわれはSportsSkillsを紹介した。SportsSkillsは、Wildビデオによる物理的なスキル学習を目的とした、最初の大規模スポーツデータセットだ。 SportSkillsには、55種類のスポーツのノウハウを説明する指導的なナレーションと組み合わせて、630万以上の視覚的なデモンストレーションを含む360k以上の指導ビデオがある。 一連の実験を通して、SportSkillsは物理的なアクションの微妙な違いを理解する能力を解き放ちます。 我々の表現は、従来のアクティビティ中心のデータセットでトレーニングされた同じモデルで最大4倍のゲインを達成する。 重要なことは、SportSkills上に構築され、ミス条件付き指導ビデオ検索、ブリッジング表現学習、アクション可能なフィードバック生成という、最初の大規模なタスク定式化を導入することである(例:「スキルの実行は、どのビデオクリップを、改善するために見るべきなのか?」)。 プロのコーチによる形式的評価は、検索アプローチがユーザクエリの視覚的指示をパーソナライズするビデオモデルの能力を大幅に向上することを示している。

関連論文リスト

• Learning Skill-Attributes for Transferable Assessment in Video [56.813876909367856]
  ビデオによるスキル評価は、人の身体的パフォーマンスの品質を評価し、何がより良くできるかを説明する。 当社のCrossTrainerアプローチでは,バランス,コントロール,手の位置決めといったスキル属性が検出される。 人間のスキルを表わす行動の共有を抽象化することにより,提案した映像表現は,既存のテクニックの配列よりもはるかに優れている。
  論文  参考訳（メタデータ） (2025-11-17T23:53:06Z)
• Scope Meets Screen: Lessons Learned in Designing Composite Visualizations for Marksmanship Training Across Skill Levels [3.345437353879255]
  本報告では, 初級者, 熟練者双方に対して, 射撃可視化システムを提案し, その有効性を評価する。 このデザインスタディから得られた洞察は、コーチングのための視覚分析とファースト・パーソン・ビデオを統合することのより広い価値を示している。
  論文  参考訳（メタデータ） (2025-07-01T00:16:41Z)
• ExpertAF: Expert Actionable Feedback from Video [81.46431188306397]
  本研究では,バスケットボールやサッカーなどの身体活動を行う人の映像から,アクション可能なフィードバックを生成する新しい手法を提案する。 提案手法は,映像のデモンストレーションとそれに伴う3Dボディーポーズを取り,その人が何をしているか,何が改善できるかを解説した専門家のコメントを生成する。 Ego-Exo4Dの[29]ビデオの熟練した活動と専門家の解説を、強力な言語モデルとともに活用して、このタスクのための弱い教師付きトレーニングデータセットを作成する方法を示す。
  論文  参考訳（メタデータ） (2024-08-01T16:13:07Z)
• A Survey on Video Action Recognition in Sports: Datasets, Methods and Applications [60.3327085463545]
  本稿では,スポーツ分析のための映像行動認識に関する調査を行う。 サッカー、バスケットボール、バレーボール、ホッケー、フィギュアスケート、体操、卓球、ダイビング、バドミントンなど10種以上のスポーツを紹介します。 本研究では,サッカー,バスケットボール,卓球,フィギュアスケート動作認識をサポートするPaddlePaddleを用いたツールボックスを開発した。
  論文  参考訳（メタデータ） (2022-06-02T13:19:36Z)

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。