論文の概要: TemPose-TF-ASF: Two-Stage Bidirectional Stroke Context Fusion for Badminton Stroke Classification

• arxiv url: http://arxiv.org/abs/2605.02558v1
• Date: Mon, 04 May 2026 13:09:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:50.293472
• Title: TemPose-TF-ASF: Two-Stage Bidirectional Stroke Context Fusion for Badminton Stroke Classification
• Title（参考訳）: TemPose-TF-ASF:バドミントンストローク分類のための2段階双方向ストロークコンテキストフュージョン
• Authors: Tzu-Yu Liu, Duan-Shin Lee,
• Abstract要約: 本稿では,emphTemPoseの拡張であるemphTemPose-TF-ASF(Adjacent-Stroke Fusion)を紹介する。 前脳卒中と後脳卒中の両方からストローク型情報を取り入れることで、ストローク認識を向上させる。 大規模なバドミントンマッチングデータセットの実験では、ベースラインよりも一貫した改善が見られた。
• 参考スコア（独自算出の注目度）: 0.6875312133832078
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate badminton stroke prediction is crucial for fine-grained sports analysis and tactical decision support. However, existing methods struggle to model rich temporal context. This paper introduces \emph{TemPose-TF-ASF (Adjacent-Stroke Fusion)}, a context-aware extension of \emph{TemPose}. It enhances stroke recognition by incorporating stroke-type information from both preceding and subsequent strokes. A two-stage training and inference strategy is adopted. Preliminary predictions from the baseline model are reused as estimated temporal context. These predictions guide the joint optimization of the \emph{ASF} module and the classifier. By explicitly modeling bidirectional temporal stroke dependencies, the proposed method can be seamlessly integrated into existing state-of-the-art models. Experiments on a large-scale badminton match dataset show consistent improvements over the baseline and its variants in terms of Accuracy and Macro-F1. Moreover, integrating \emph{ASF} into other advanced methods yields notable performance gains. These results demonstrate strong transferability and generalization capability.
• Abstract（参考訳）: バドミントンストロークの正確な予測は、詳細なスポーツ分析と戦術的決定支援に不可欠である。 しかし、既存の手法は、リッチな時間的文脈をモデル化するのに苦労している。 本稿では,emph{TemPose-TF-ASF(Adjacent-Stroke Fusion)}を提案する。 前脳卒中と後脳卒中の両方からストローク型情報を取り入れることで、ストローク認識を向上させる。 2段階のトレーニングと推論戦略が採用されている。 ベースラインモデルからの予備予測は、推定時間文脈として再利用される。 これらの予測は \emph{ASF} モジュールと分類器の合同最適化を導く。 双方向の時間的ストローク依存を明示的にモデル化することにより、提案手法を既存の最先端モデルにシームレスに統合することができる。 大規模なバドミントンマッチングデータセットの実験では、精度とマクロF1の点で、ベースラインとその変種に対して一貫した改善が見られた。 さらに、 \emph{ASF} を他の高度なメソッドに統合すると、顕著な性能向上が得られる。 これらの結果は、強い伝達性と一般化能力を示す。

関連論文リスト

• Adapformer: Adaptive Channel Management for Multivariate Time Series Forecasting [49.40321003932633]
  Adapformerは、効果的なチャネル管理を通じてCIとCD方法論のメリットをマージする、トランスフォーマーベースの高度なフレームワークである。 Adapformerは既存のモデルよりも優れた性能を実現し、予測精度と計算効率の両方を向上させる。
  論文  参考訳（メタデータ） (2025-11-18T16:24:05Z)
• SynCast: Synergizing Contradictions in Precipitation Nowcasting via Diffusion Sequential Preference Optimization [62.958457694151384]
  本研究では,大規模な言語モデルにおける人的フィードバックからの強化学習の成功を動機として,降水量の最適化を初めて導入する。 第一段階では、フレームワークはFARを減らすことに焦点を当て、誤報を効果的に抑えるためにモデルを訓練する。
  論文  参考訳（メタデータ） (2025-10-22T16:11:22Z)
• Bridging the Last Mile of Prediction: Enhancing Time Series Forecasting with Conditional Guided Flow Matching [9.465542901469815]
  Conditional Guided Flow Matching (CGFM) は、補助的な予測モデルから出力を統合することで、フローマッチングを拡張するモデルに依存しないフレームワークである。 CGFMは、歴史的データを条件とガイダンスの両方に取り入れ、一方の条件付きパスを使用し、アフィンパスを用いて経路空間を拡大する。 データセットとベースラインにわたる実験は、CGFMが常に最先端のモデルより優れており、予測が進んでいることを示している。
  論文  参考訳（メタデータ） (2025-07-09T18:03:31Z)
• Elucidated Rolling Diffusion Models for Probabilistic Weather Forecasting [52.6508222408558]
  Eucidated Rolling Diffusion Models (ERDM)を紹介する。 ERDMはEucidated Diffusion Models (EDM) の原理的, 性能的設計とローリング予測構造を統一する最初のフレームワークである 2D Navier-StokesシミュレーションとERA5グローバル気象予報の1.5円解像度では、ERDMはキー拡散ベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2025-06-24T21:44:31Z)
• Self-Boost via Optimal Retraining: An Analysis via Approximate Message Passing [58.52119063742121]
  独自の予測と潜在的にノイズの多いラベルを使ってモデルをトレーニングすることは、モデルパフォーマンスを改善するためのよく知られた戦略である。 本稿では,モデルの予測と提供ラベルを最適に組み合わせる方法について論じる。 我々の主な貢献は、現在のモデルの予測と与えられたラベルを組み合わせたベイズ最適集約関数の導出である。
  論文  参考訳（メタデータ） (2025-05-21T07:16:44Z)
• Rule-based Evolving Fuzzy System for Time Series Forecasting: New Perspectives Based on Type-2 Fuzzy Sets Measures Approach [0.0]
  実世界のデータは、ランダム性として知られる外部変数と相関できる不確実性や変動を含んでいる。 このタイプのデータを扱う既存の方法の1つは、進化しているファジィシステム(eFS)を使用することである。 ePL-KRLS-FSM+は,ファジィ論理と参加型学習(PL)を組み合わせ,ファジィ集合(FS)へのデータ変換を行うファジィモデリング手法である。 この改善により、データの不確実性をよりよく扱うためのタイプ2ファジィセットの作成と測定が可能になり、より精度の高いカオスデータを予測できるモデルを生成することができる。
  論文  参考訳（メタデータ） (2025-02-05T22:27:20Z)
• ALOcc: Adaptive Lifting-Based 3D Semantic Occupancy and Cost Volume-Based Flow Predictions [91.55655961014027]
  シーン理解には3次元セマンティック占有とフロー予測が不可欠である。 本稿では,3つの改善点を目標とした視覚ベースのフレームワークを提案する。 我々の純粋な畳み込みアーキテクチャは、セマンティック占有率とジョイントセマンティックフロー予測の両方のために、複数のベンチマーク上で新しいSOTA性能を確立する。
  論文  参考訳（メタデータ） (2024-11-12T11:32:56Z)
• Flow map matching with stochastic interpolants: A mathematical framework for consistency models [15.520853806024943]
  フローマップマッチングは、基礎となる生成モデルの2時間フローマップを学ぶための原則化されたフレームワークである。 FMMは,高速サンプリングのための既存手法の幅広いクラスを統一し,拡張することを示す。
  論文  参考訳（メタデータ） (2024-06-11T17:41:26Z)
• Supervised Contrastive Learning based Dual-Mixer Model for Remaining Useful Life Prediction [3.081898819471624]
  Remaining Useful Life (RUL)予測は、現在の予測モーメントからデバイスの完全な障害までの残時間を正確に見積もることを目的としている。 従来のRUL予測手法における時間的特徴と空間的特徴の厳密結合の欠点を克服するため,Dual-Mixerモデルと呼ばれる空間的時間的特徴抽出器を提案する。 提案手法の有効性は,C-MAPSSデータセットに関する他の最新の研究結果との比較により検証した。
  論文  参考訳（メタデータ） (2024-01-29T14:38:44Z)
• Guided Flows for Generative Modeling and Decision Making [55.42634941614435]
  その結果,ガイドフローは条件付き画像生成やゼロショット音声合成におけるサンプル品質を著しく向上させることがわかった。 特に、我々は、拡散モデルと比較して、オフライン強化学習設定axスピードアップにおいて、まず、計画生成にフローモデルを適用する。
  論文  参考訳（メタデータ） (2023-11-22T15:07:59Z)

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。