論文の概要: Towards Athlete Fatigue Assessment from Association Football Videos
- arxiv url: http://arxiv.org/abs/2604.05636v1
- Date: Tue, 07 Apr 2026 09:36:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-08 17:42:09.743572
- Title: Towards Athlete Fatigue Assessment from Association Football Videos
- Title（参考訳）: サッカー映像からのスポーツ選手の疲労評価に向けて
- Authors: Xavier Bou, Nathan Correger, Alexandre Cloots, Cédric Gavage, Silvio Giancola, Cédric Schwartz, François Delvaux, Rudi Cloots, Marc Van Droogenbroeck, Anthony Cioppa,
- Abstract要約: 本稿では,ピッチ座標における選手軌跡を抽出する最先端のゲーム状態再構成手法を構築した。
次に,これらの信号から加速度-速度プロファイルを構築し,その挙動を疲労関連性能指標として解析する。
以上の結果から,単眼映像は,A-S時間と相性のあるキネマティックなパターンを回復すると同時に,トラジェクティブノイズ,校正誤差,放送映像固有の時間的不連続性に敏感であることが明らかとなった。
- 参考スコア（独自算出の注目度）: 53.20057980542362
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fatigue monitoring is central in association football due to its links with injury risk and tactical performance. However, objective fatigue-related indicators are commonly derived from subjective self-reported metrics, biomarkers derived from laboratory tests, or, more recently, intrusive sensors such as heart monitors or GPS tracking data. This paper studies whether monocular broadcast videos can provide spatio-temporal signals of sufficient quality to support fatigue-oriented analysis. Building on state-of-the-art Game State Reconstruction methods, we extract player trajectories in pitch coordinates and propose a novel kinematics processing algorithm to obtain temporally consistent speed and acceleration estimates from reconstructed tracks. We then construct acceleration--speed (A-S) profiles from these signals and analyze their behavior as fatigue-related performance indicators. We evaluate the full pipeline on the public SoccerNet-GSR benchmark, considering both 30-second clips and a complete 45-minute half to examine short-term reliability and longer-term temporal consistency. Our results indicate that monocular GSR can recover kinematic patterns that are compatible with A-S profiling while also revealing sensitivity to trajectory noise, calibration errors, and temporal discontinuities inherent to broadcast footage. These findings support monocular broadcast video as a low-cost basis for fatigue analysis and delineate the methodological challenges for future research.
- Abstract（参考訳）: サッカーにおける疲労モニタリングは、怪我のリスクと戦術的パフォーマンスに結びついているため、サッカーにおいて中心的な役割を担っている。
しかし、客観的疲労関連指標は、通常、主観的な自己申告された指標、実験室テストに由来するバイオマーカー、より最近では心臓モニターやGPS追跡データなどの侵入型センサーから導かれる。
本稿では,単眼放送が疲労指向分析を支援するのに十分な品質の時空間信号を提供できるかどうかを考察する。
現状のゲーム状態再構成法に基づいて,ピッチ座標の選手軌跡を抽出し,時間的に一貫した速度と加速度推定値を得る新しいキネマティクス処理アルゴリズムを提案する。
次に,これらの信号から加速度-速度 (A-S) プロファイルを構築し,その挙動を疲労関連性能指標として解析する。
本研究では,30秒のクリップと45分間の完全半減を考慮し,短時間の信頼性と長期の時間的整合性について検討した。
以上の結果から,単分子GSRはA-Sプロファイリングと互換性のあるキネマティックなパターンを回復すると同時に,トラジェクティブノイズ,キャリブレーション誤差,放送映像固有の時間的不連続性にも敏感であることが示唆された。
これらの結果は,疲労解析の低コスト基盤としてモノクロ放送ビデオをサポートし,今後の研究の方法論的課題を詳述する。
関連論文リスト
- A Machine Learning-Based Multimodal Framework for Wearable Sensor-Based Archery Action Recognition and Stress Estimation [21.9818193435855]
運動分析システムは、しばしば高価で侵入的であり、自然の訓練環境での使用を制限する。
動作認識とストレス推定を同時に行うために,ウェアラブルセンサデータを統合する機械学習ベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-18T02:16:33Z) - Temporal Point-Supervised Signal Reconstruction: A Human-Annotation-Free Framework for Weak Moving Target Detection [1.187456026346823]
手動のアノテーションを使わずに弱いターゲットを高速に検出できるTPS(Temporal Point-Supervised)フレームワークを提案する。
テンポラル信号再構成ネットワーク(TSRNet)は、TPSパラダイムの下で開発され、これらの過渡的な信号を再構成する。
目的とする低SNRデータセットに対する大規模な実験により、我々のフレームワークは人間のアノテーションを必要とせず、最先端の手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2025-07-23T09:02:09Z) - Learning golf swing signatures from a single wrist-worn inertial sensor [0.0]
単一手首センサを用いたゴルフスイング分析のためのデータ駆動型フレームワークを構築した。
我々は、技術的欠陥の検出と可視化を容易にする動きプリミティブの合成、離散的な語彙を学習する。
本システムでは,手首データから全身運動とスイングイベントを正確に推定し,実験室での動作解析を行う。
論文 参考訳（メタデータ） (2025-06-20T22:57:59Z) - Validation of Human Pose Estimation and Human Mesh Recovery for Extracting Clinically Relevant Motion Data from Videos [79.62407455005561]
人間のポーズ推定を用いたマーカーレスモーションキャプチャは、IMUとMoCapのキネマティクスの結果とインラインで結果を生成する。
生成するデータの品質に関してはまだ改善の余地がありますが、この妥協はエラーの部屋にあると考えています。
論文 参考訳（メタデータ） (2025-03-18T22:18:33Z) - REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。
グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。
本モデルは,発作検出と分類作業において高い精度を示す。
論文 参考訳（メタデータ） (2024-06-03T16:30:19Z) - Attention-aware non-rigid image registration for accelerated MR imaging [10.47044784972188]
我々は,MRIの完全サンプリングと高速化のために,非厳密なペアワイズ登録を行うことのできる,注目に敏感なディープラーニングベースのフレームワークを提案する。
我々は、複数の解像度レベルで、登録された画像ペア間の類似性マップを構築するために、局所的な視覚表現を抽出する。
本モデルでは, 異なるサンプリング軌道にまたがって, 安定かつ一貫した運動場を導出することを示す。
論文 参考訳（メタデータ） (2024-04-26T14:25:07Z) - Transforming Gait: Video-Based Spatiotemporal Gait Analysis [1.749935196721634]
歩行分析は、通常は専用の実験室で行われ、運動学やステップタイミングを含む正確な測定結果を生成する。
我々は3次元関節軌跡と個体の高さを解釈可能な生体力学的出力にマッピングするためにニューラルネットワークを訓練した。
論文 参考訳（メタデータ） (2022-03-17T14:57:04Z) - Vision in adverse weather: Augmentation using CycleGANs with various
object detectors for robust perception in autonomous racing [70.16043883381677]
自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。
悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。
本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
論文 参考訳（メタデータ） (2022-01-10T10:02:40Z) - Continuity-Discrimination Convolutional Neural Network for Visual Object
Tracking [150.51667609413312]
本稿では,視覚オブジェクト追跡のためのContinuity-Discrimination Convolutional Neural Network (CD-CNN) という新しいモデルを提案する。
この問題に対処するため、cd-cnnは時間的遅れの概念に基づいた時間的外観連続性をモデル化する。
不正確なターゲットの定位とドリフトを緩和するために,新しい概念 object-centroid を提案する。
論文 参考訳（メタデータ） (2021-04-18T06:35:03Z) - Intrinsic Temporal Regularization for High-resolution Human Video
Synthesis [59.54483950973432]
時間整合性は、画像処理パイプラインをビデオドメインに拡張する上で重要である。
フレームジェネレーターを介して本質的信頼度マップを推定し,運動推定を調節する,本質的な時間正規化方式を提案する。
我々は、本質的な時間的規制をシングルイメージジェネレータに適用し、強力な「Internet」が512Times512$の人間のアクションビデオを生成します。
論文 参考訳（メタデータ） (2020-12-11T05:29:45Z)
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。