論文の概要: SoccerNet 2026 Player-Centric Ball-Action Spotting:Retraining and Post-Processing Extensions to the FOOTPASS Baselines

• arxiv url: http://arxiv.org/abs/2606.09679v1
• Date: Mon, 08 Jun 2026 15:59:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:07.492899
• Title: SoccerNet 2026 Player-Centric Ball-Action Spotting:Retraining and Post-Processing Extensions to the FOOTPASS Baselines
• Title（参考訳）: SoccerNet 2026 Player-Centric Ball-Action Spotting:Retraining and Post-Processing Extensions to the FOOTPASS Baselines
• Authors: Parthsarthi Rawat,
• Abstract要約: SoccerNet 2026 Player-Centric Ball-Action Spotting Challengeでは、どのアクションを実行するか、放送されたサッカーの8つのクラスにまたがるタイミングを予測する必要がある。 テストセットで0.548 Macro F1、チャレンジセットで0.446を達成する(サーバ評価)。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We describe our system for the SoccerNet 2026 Player-Centric Ball-Action Spotting Challenge, which requires predicting who performs which action and when, across eight classes in broadcast soccer. Building on the three FOOTPASS baselines [1] (TAAD, TAAD+GNN, and TAAD+DST), we contribute four extensions: (1) gradient check pointing to enable full-backbone fine-tuning on a single GPU; (2) fusion of GNN logits into the DST encoder, combining graph-based tactical context with per-player visual features; (3) square-root frequency class weighting to address the 213:1 pass-to-tackle imbalance in the training data; and (4) a post processing pipeline comprising per-class logit gating, temporal frame refinement, jersey re-assignment, and a two-model ensemble. Our system achieves 0.548 Macro F1 on the test set and 0.446 on the challenge set (server evaluation).
• Abstract（参考訳）: 我々は,放送サッカーの8つのクラスにまたがって,誰が,いつ,どのアクションを実行するかを予測することを必要とするサッカーネット2026プレーヤー中心球-アクションスポッティングチャレンジについて述べる。 3つのFOOTPASSベースライン[1](TAAD, TAAD+GNN, TAAD+DST)上に構築され、(1)1つのGPU上でフルバックボーンの微調整を可能にする勾配チェック、(2)グラフベースの戦術的コンテキストとプレイヤーごとの視覚的特徴を組み合わせたGNNロジットのDSTエンコーダへの融合、(3)トレーニングデータにおける213:1パスタックル不均衡に対処するための平方根周波数クラス重み付け、(4)クラスごとのロジットゲーティング、時間的フレームリファインメント、ジャージー再割り当て、および2モデルアンサンブルを含むポスト処理パイプラインの4つの拡張をコントリビュートする。 本システムでは,テストセットで0.548 Macro F1,チャレンジセットで0.446を達成する(サーバ評価)。

関連論文リスト

• SoccerNet 2025 Challenges Results [205.71032061537747]
  SoccerNet 2025 Challengesは、サッカービデオ理解におけるコンピュータビジョン研究の進歩に特化した、サッカーネットオープンな取り組みの第5回年次大会である。 今年の課題は、Team Ball Action Spotting、Monocular Depth Estimation、Multi-View Foul Recognition、Game State Reconstructionの4つのビジョンベースのタスクにまたがる。 レポートは、各課題の結果を示し、最高パフォーマンスのソリューションを強調し、コミュニティが達成した進歩に関する洞察を提供する。
  論文  参考訳（メタデータ） (2025-08-26T16:37:07Z)
• From Broadcast to Minimap: Achieving State-of-the-Art SoccerNet Game State Reconstruction [0.19748373512880277]
  ゲーム・ステート・レコンストラクション(GSR)は、サッカーのフィールドプレーヤ、ゴールキーパー、審判員、その他全ての個人を正確に追跡し、ローカライズする。 この能力により、コーチやアナリストはプレイヤーの動き、チーム形成、ゲームダイナミクスに関する実用的な洞察を導き出すことができる。 単一カメラのセットアップを用いて,選手を一括して追跡する,堅牢なエンドツーエンドパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-04-08T18:10:44Z)
• SoccerNet Game State Reconstruction: End-to-End Athlete Tracking and Identification on a Minimap [102.5232204867158]
  我々は、ゲーム状態再構成のタスクを形式化し、フットボールビデオに焦点を当てた新しいゲーム状態再構成データセットである、サッカーネット-GSRを紹介する。 SoccerNet-GSRは、ピッチローカライゼーションとカメラキャリブレーションのための937万行のアノテートにより、30秒間の200の動画シーケンスで構成されている。 我々の実験は、GSRは挑戦的な新しい課題であり、将来の研究の場を開くことを示している。
  論文  参考訳（メタデータ） (2024-04-17T12:53:45Z)
• The Ninth NTIRE 2024 Efficient Super-Resolution Challenge Report [180.94772271910315]
  本稿は,NTIRE 2024の課題を概観し,効率的な単一画像超解像(ESR)ソリューションに焦点をあてる。 主な目的は、ランタイム、パラメータ、FLOPなどの様々な側面を最適化するネットワークを開発することである。 このチャレンジには262人の登録参加者が参加し、34チームが有効な応募を行った。
  論文  参考訳（メタデータ） (2024-04-16T07:26:20Z)
• SoccerNet 2023 Tracking Challenge -- 3rd place MOT4MOT Team Technical Report [0.552480439325792]
  SoccerNet 2023の追跡課題は、サッカー選手とボールの検出と追跡を必要とする。 我々は、現在最先端のオンラインマルチオブジェクトトラッカーと、現代のオブジェクト検出装置をプレイヤー追跡に使用しています。 提案手法は, HOTAスコア66.27で, SoccerNet 2023の3位を獲得した。
  論文  参考訳（メタデータ） (2023-08-31T11:51:16Z)
• Benchmarking Stroke Forecasting with Stroke-Level Badminton Dataset [13.502952342104644]
  2022年の上位試合から収集したバドミントンシングルスデータセットであるShuttleSet22を提供する。 ShuttleSet22での既存の作業のベンチマークには、CoachAI Badminton Challenge @ IJCAI 2023でのTrack 2: Forecasting Future Turn-Based Strokes in Badminton Ralliesという課題がある。
  論文  参考訳（メタデータ） (2023-06-27T17:57:34Z)
• 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)
• Two-Stream Consensus Network: Submission to HACS Challenge 2021 Weakly-Supervised Learning Track [78.64815984927425]
  弱い監督による時間的行動ローカライゼーションの目標は、ビデオの興味ある動作を時間的に特定し、分類することである。 この課題では,2ストリームコンセンサスネットワーク(TSCN)を主要なフレームワークとして採用しています。 この課題では,本手法が今後の学術研究のベースラインとなることを期待して,第2位にランクインした。
  論文  参考訳（メタデータ） (2021-06-21T03:36:36Z)

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。