論文の概要: TacSIm: A Dataset and Benchmark for Football Tactical Style Imitation
- arxiv url: http://arxiv.org/abs/2603.25199v1
- Date: Thu, 26 Mar 2026 09:06:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-27 20:52:48.202873
- Title: TacSIm: A Dataset and Benchmark for Football Tactical Style Imitation
- Title（参考訳）: TacSIm: フットボールの戦術スタイルの模倣のためのデータセットとベンチマーク
- Authors: Peng Wen, Yuting Wang, Qiurui Wang,
- Abstract要約: Tac SImはTactical Style Imitationの大規模なデータセットとベンチマークである。
Tac SImはプレ・ミアリーグの試合の放送映像で、チーム内の11人の選手全員のアシチオンを模倣している。
- 参考スコア（独自算出の注目度）: 5.108991103098588
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Current football imitation research primarily aims to opti mize reward-based objectives, such as goals scored or win rate proxies, paying less attention to accurately replicat ing real-world team tactical behaviors. We introduce Tac SIm, a large-scale dataset and benchmark for Tactical Style Imitation in football. TacSIm imitates the acitons of all 11 players in one team in the given broadcast footage of Pre mier League matches under a single broadcast view. Under a offensive or defensive broadcast footage, TacSIm projects the beginning positions and actions of all 22 players from both sides onto a standard pitch coordinate system. Tac SIm offers an explicit style imitation task and evaluation protocols. Tactics style imitation is measured by using spatial occupancy similarity and movement vector similarity in defined time, supporting the evaluation of spatial and tem poral similarities for one team. We run multiple baseline methods in a unified virtual environment to generate full team behaviors, enabling both quantitative and visual as sessment of tactical coordination. By using unified data and metrics from broadcast to simulation, TacSIm estab lishes a rigorous benchmark for measuring and modeling style-aligned tactical imitation task in football.
- Abstract（参考訳）: 現在のフットボールの模倣研究は、ゴールや勝利率プロキシなどの報酬に基づく目的を最適化することを目的としており、実際のチームの戦術的行動を正確に再現するために注意を払わない。
本稿では,フットボールにおける戦術スタイル模倣のための大規模データセットとベンチマークであるTac SImを紹介する。
タクシムは、プレ・ミアリーグの試合の放送映像で1つのチームで11人の選手のアシチオンを1つの放送ビューで模倣する。
攻撃的または防御的な放送映像の下で、タクシムは、両側から22人のプレイヤーの開始位置と行動を標準ピッチ座標系に投影する。
Tac SImは明示的なスタイルの模倣タスクと評価プロトコルを提供する。
時間的空間占有類似度と移動ベクトル類似度を用いて戦術スタイルの模倣を計測し, 一つのチームにおける空間占有類似度とテンポラル類似度の評価を支援する。
複数のベースラインメソッドを統合された仮想環境で実行し、完全なチームの振る舞いを生成し、戦術的調整の分離と視覚的調整の両方を可能にします。
TacSIm estabは、放送からシミュレーションまでの統一されたデータとメトリクスを使用することで、フットボールにおけるスタイルに沿った戦術模倣タスクの測定とモデル化のための厳密なベンチマークを作成する。
関連論文リスト
- Can Semantic Methods Enhance Team Sports Tactics? A Methodology for Football with Broader Applications [0.0]
本稿では,チームスポーツにおける意味空間推論を戦術的意思決定にまで拡張する方法について考察する。
Pythonベースのプロトタイプは、これらのメソッドが解釈可能な動的適応戦略レコメンデーションを生成する方法を示している。
このアプローチは、チームベースのドメインにおける総合的な意思決定とパフォーマンス最適化のための一般化可能なフレームワークを提供する。
論文 参考訳（メタデータ） (2026-01-01T18:23:51Z) - FOOTPASS: A Multi-Modal Multi-Agent Tactical Context Dataset for Play-by-Play Action Spotting in Soccer Broadcast Videos [1.264619835497501]
サッカーデータセット(FOOTPASS)におけるFtertovision Play-by-Play Spot Actiontingを紹介する。
これは、マルチエージェントの戦術的文脈において、サッカーの試合全体に対してプレーバイプレイのアクションスポッティングを行うための最初のベンチマークである。
コンピュータビジョンタスクからの出力とサッカーの事前知識の両方を活用する、プレイヤー中心のアクションスポッティングの手法の開発を可能にする。
論文 参考訳（メタデータ） (2025-11-20T09:42:28Z) - LM Fight Arena: Benchmarking Large Multimodal Models via Game Competition [104.81487689011341]
本稿では,Mortal Kombat IIにおける大規模マルチモーダルモデルを評価する新しいフレームワークであるLM Fight Arenaを紹介する。
静的評価とは異なり、LM Fight Arenaは完全に自動化され、再現可能で、LMMの戦略的推論能力の客観的評価を提供する。
論文 参考訳（メタデータ） (2025-10-10T02:19:21Z) - Sports-Traj: A Unified Trajectory Generation Model for Multi-Agent Movement in Sports [53.637837706712794]
任意の軌道をマスク入力として処理する統一軌道生成モデルUniTrajを提案する。
具体的には,空間特徴抽出のためのトランスフォーマーエンコーダ内に埋め込まれたゴースト空間マスキング(GSM)モジュールを紹介する。
バスケットボールU,サッカーU,サッカーUの3つの実践的スポーツデータセットをベンチマークして評価を行った。
論文 参考訳（メタデータ） (2024-05-27T22:15:23Z) - Denoising Opponents Position in Partial Observation Environment [0.4660328753262075]
サッカーシミュレーション2D (SS2D) では、11人の選手と1人のコーチを含む2チームが対戦する。
我々は,Long Short-Term Memory Model (LSTM) とDeep Neural Networks (DNN) を用いた位置予測のアイデアを説明する。
論文 参考訳（メタデータ） (2023-10-23T04:16:52Z) - TacticAI: an AI assistant for football tactics [41.74699109772055]
TacticAIは、リバプールFCのドメインエキスパートと緊密に協力して開発されたAIフットボール戦術アシスタントである。
介入や改善の最も直接的な機会をコーチに提供するため、コーナーキックの分析に重点を置いています。
我々は、戦術のモデル提案が実際の戦術と区別できないだけでなく、当時の既存の戦術よりも有利であることを示す。
論文 参考訳（メタデータ） (2023-10-16T16:25:15Z) - A Graph-Based Method for Soccer Action Spotting Using Unsupervised
Player Classification [75.93186954061943]
アクションスポッティングには、ゲームのダイナミクス、イベントの複雑さ、ビデオシーケンスのバリエーションを理解することが含まれる。
本研究では, (a) 選手, 審判, ゴールキーパーをグラフのノードとして識別し, および (b) 時間的相互作用をグラフのシーケンスとしてモデル化することによって, 前者に焦点を当てる。
プレーヤ識別タスクでは,他のモダリティと組み合わせることで,平均mAPの57.83%の総合的な性能が得られる。
論文 参考訳（メタデータ） (2022-11-22T15:23:53Z) - 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) - From Motor Control to Team Play in Simulated Humanoid Football [56.86144022071756]
我々は、現実的な仮想環境でサッカーをするために、物理的にシミュレートされたヒューマノイドアバターのチームを訓練する。
一連の段階において、プレイヤーはまず、現実的な人間のような動きを実行するために、完全に関節化された身体を制御することを学習する。
その後、ドリブルやシューティングといった中級のサッカーのスキルを身につける。
最後に、彼らは他の人を意識し、チームとしてプレーし、ミリ秒のタイムスケールで低レベルのモーターコントロールのギャップを埋める。
論文 参考訳（メタデータ） (2021-05-25T20:17:10Z) - 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)
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。