論文の概要: Evaluating passing decision-making in professional football: An enhanced MPNN approach to Receiver Selection

• arxiv url: http://arxiv.org/abs/2605.25696v1
• Date: Mon, 25 May 2026 10:53:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:19.748919
• Title: Evaluating passing decision-making in professional football: An enhanced MPNN approach to Receiver Selection
• Title（参考訳）: プロサッカーにおけるパス意思決定の評価--MPNNによるレシーバ選択へのアプローチ
• Authors: Gabriel Masella, Giuseppe Alessio D'Inverno, Max Goldsmith, Gianluigi Rozza,
• Abstract要約: この研究は、受信者選択を予測するように設計されたグラフニューラルネットワークフレームワークを導入する。 プロの試合からの追跡データとイベントデータを組み合わせて,MPNN(Message-Passing Neural Network)を開発した。 MPNNは、実際の選択された受信機を識別する際の競合精度と、その上位3つの提案の中で最先端の精度を達成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The process of decision-making in football is characterized by a complex interplay between spatial positioning, opponent pressure, and player intent. This work introduces a Graph Neural Network (GNN) framework designed to predict Receiver Selection, the optimal passing target, by modeling on-field interactions as dynamic graphs. Each player is represented as a node with positional and contextual features, while potential passing lines form weighted edges characterized by distance, angle, and pressure metrics. A Message-Passing Neural Network (MPNN) has been developed and trained using a combination of tracking data and event data from professional matches, synchronized through a robust pipeline based on an optimized version of the Needleman-Wunsch Algorithm. The model achieves competitive accuracy in identifying the actual chosen receiver and state-of-the-art accuracy within its top three suggestions. Our model further offers quantification of each option's likelihood, threat, and creativity, enabling performance analysts to evaluate over 1,000 passes in seconds.
• Abstract（参考訳）: サッカーにおける意思決定のプロセスは、空間的位置決め、相手の圧力、プレイヤーの意図の間の複雑な相互作用によって特徴づけられる。 この研究は、動的グラフとしてフィールド上の相互作用をモデル化することによって、最適通過目標である受信者選択を予測するように設計されたグラフニューラルネットワーク(GNN)フレームワークを導入する。 各プレイヤーは位置的特徴と文脈的特徴を持つノードとして表現され、ポテンシャル通過線は距離、角度、圧力の指標によって特徴づけられる重み付きエッジを形成する。 メッセージパッシングニューラルネットワーク(MPNN)は、プロのマッチからのデータ追跡とイベントデータを組み合わせて開発、訓練されており、Needleman-Wunschアルゴリズムの最適化バージョンに基づいて、堅牢なパイプラインを通じて同期されている。 このモデルは、実際の選択された受信機を特定する際の競合精度と、その上位3つの提案の中で最先端の精度を達成する。 我々のモデルは、各オプションの可能性、脅威、創造性を定量化し、パフォーマンスアナリストが秒間に1000回以上のパスを評価することを可能にする。

関連論文リスト

• AI Driven Soccer Analysis Using Computer Vision [4.43478021647909]
  ゲーム中におけるプレーヤの位置を予測するためのオブジェクト検出とトラッキングシステムを提案する。 プレーヤー識別モデルでは, YOLO や Faster R-CNN などのオブジェクト検出モデルを, カスタム映像の精度に基づいて評価する。 トランスフォーメーションされた現実世界の座標は、プレイヤーの速度、距離のカバー、位置のヒートマップなど、貴重な戦術的洞察を計算するのに使うことができる。
  論文  参考訳（メタデータ） (2026-04-09T19:19:40Z)
• Goal-based Trajectory Prediction for improved Cross-Dataset Generalization [12.233116745812898]
  本稿では,交通参加者とベクトル化された道路網からなる異種グラフを用いた新しいグラフニューラルネットワーク(GNN)を提案する。 本稿では,Argoverse2のトレーニングとNuScenesの評価を行うクロスデータセット評価によるゴール選択の有効性を示す。
  論文  参考訳（メタデータ） (2025-07-24T08:54:17Z)
• Adaptive Semantic Token Selection for AI-native Goal-oriented Communications [11.92172357956248]
  本稿では,AIネイティブな目標指向通信のための新しい設計を提案する。 我々は、帯域幅と計算量に対する動的推論制約の下でトランスフォーマーニューラルネットワークを利用する。 提案手法は,最先端のトークン選択機構よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-04-25T13:49:50Z)
• Collaborative Learning with a Drone Orchestrator [79.75113006257872]
  インテリジェントな無線デバイス群は、ドローンの助けを借りて共有ニューラルネットワークモデルを訓練する。 提案したフレームワークは,トレーニングの大幅な高速化を実現し,ドローンホバリング時間の平均24%と87%の削減を実現している。
  論文  参考訳（メタデータ） (2023-03-03T23:46:25Z)
• An Adaptive Device-Edge Co-Inference Framework Based on Soft Actor-Critic [72.35307086274912]
  高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。 本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。 レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
  論文  参考訳（メタデータ） (2022-01-09T09:31:50Z)
• Dynamic Network selection for the Object Detection task: why it matters and what we (didn't) achieve [1.8467344387137519]
  本稿では,Deep Neural Networkコンテキストにおける推論プロセスに対する動的自動チューニング手法の潜在的な利点を示す。 我々は、よく知られたCOCO 17データベースの最適検出器を見つけるために、異なるニューラルネットワークをベンチマークした。
  論文  参考訳（メタデータ） (2021-05-27T16:25:18Z)
• Higher Performance Visual Tracking with Dual-Modal Localization [106.91097443275035]
  Visual Object Tracking (VOT)は、堅牢性と正確性の両方に同期性を必要とする。 ONRによるロバストなローカリゼーション抑制器とOFCによるターゲットセンターへの正確なローカリゼーションにより、ターゲットローカリゼーションのためのデュアルモーダルフレームワークを提案します。
  論文  参考訳（メタデータ） (2021-03-18T08:47:56Z)
• SoccerMap: A Deep Learning Architecture for Visually-Interpretable Analysis in Soccer [1.1377027568901037]
  サッカーにおける潜在的なパスの完全な確率曲面を推定できる完全な畳み込みニューラルネットワークアーキテクチャを提案する。 本研究では,パス成功確率の推定において,ネットワークの性能が著しく向上することを示す。 本稿では,プレイヤーレベルでのパスリスクの評価を含む,実践的な応用について述べる。
  論文  参考訳（メタデータ） (2020-10-20T11:28:48Z)
• APQ: Joint Search for Network Architecture, Pruning and Quantization Policy [49.3037538647714]
  本稿では,リソース制約のあるハードウェア上での効率的なディープラーニング推論のためのAPQを提案する。 ニューラルアーキテクチャ、プルーニングポリシー、量子化ポリシーを別々に検索する従来の方法とは異なり、我々はそれらを共同で最適化する。 同じ精度で、APQはMobileNetV2+HAQよりもレイテンシ/エネルギーを2倍/1.3倍削減する。
  論文  参考訳（メタデータ） (2020-06-15T16:09:17Z)
• TAGNN: Target Attentive Graph Neural Networks for Session-based Recommendation [66.04457457299218]
  セッションベースレコメンデーションのための新しいターゲット注意グラフニューラルネットワーク(TAGNN)モデルを提案する。 TAGNNでは、ターゲット・アウェア・アテンションは、様々なターゲット項目に関して異なるユーザ関心を適応的に活性化する。 学習した関心表現ベクトルは、異なる対象項目によって変化し、モデルの表現性を大幅に改善する。
  論文  参考訳（メタデータ） (2020-05-06T14:17:05Z)

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。