論文の概要: Multi-Task Tennis Stroke Biomechanics Analysis Using MediaPipe Pose

• arxiv url: http://arxiv.org/abs/2606.15992v1
• Date: Sun, 14 Jun 2026 19:40:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.979455
• Title: Multi-Task Tennis Stroke Biomechanics Analysis Using MediaPipe Pose
• Title（参考訳）: MediaPipe Poseを用いたマルチタスクテニスストロークバイオメカニクス解析
• Abstract要約: PoseはMediaPipe Pose Landmarker(33のランドマーク、メートル法世界座標)から生まれた。 各ストロークは、TennisTransformer GPUの39機能シーケンスで30フレームになった。 ストロークタイプの精度は83.7%、方向は61.9%、姿勢は62.6%である。
• 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 built a multi-task pipeline for tennis stroke biomechanics from plain RGB video. On top of pose-based stroke recognition, it adds two new tasks, predicting shot direction and grading posture quality, plus a rule-based feedback layer that suggests coaching tips. Strokes are found automatically using a weighted joint velocity score, s(t) = 0.5 v_wrist + 0.3 m_elbow + 0.2 m_shoulder, removing the need for manual annotation. Pose comes from MediaPipe Pose Landmarker (33 landmarks, metric world coordinates), with each stroke turned into a 30-frame by 39-feature sequence for TennisTransformerGPU, a compact 564,103-parameter transformer (4 layers, 4 heads, d=128) with three parallel output heads. Trained on 1,281 labeled strokes from 7 pros and 1 amateur across 11 videos, it hits 83.7% stroke-type accuracy, 61.9% on direction, and 62.6% on posture under a random 80/20 split. The interesting test is cross-player: train on pros, evaluate on the amateur. Stroke type barely budges, 82.9%, a 0.8% drop. Direction prediction does not transfer; it just falls back to the majority class. An ablation shows why world coordinates matter so much here: switching to image-space landmarks tanks cross-player stroke-type accuracy from 83% to 47% and direction from 68% to 21%. Everything runs on Kaggle's free T4 GPU tier and is fully reproducible.
• Abstract（参考訳）: 通常のRGBビデオからテニスストロークバイオメカニクスのためのマルチタスクパイプラインを構築した。 ポーズベースのストローク認識に加えて、ショット方向の予測と姿勢の質向上という2つの新しいタスクと、コーチングヒントを推奨するルールベースのフィードバック層が追加されている。 ストロークは、重み付けされた関節速度スコア(s(t) = 0.5 v_wrist + 0.3 m_elbow + 0.2 m_shoulder)を使用して自動的に検出され、手動のアノテーションが不要になる。 PoseはMediaPipe Pose Landmarker(33のランドマーク、メートル法の世界座標)から来ており、各ストロークは3つの並列出力ヘッドを持つコンパクトな564,103パラメータートランスフォーマー(4層、4つのヘッド、d=128)であるTennisTransformerGPUの39のシーケンスで30フレームに変換されている。 11本の動画で7人のプロと1人のアマチュアのストロークから1,281回のラベル付きストロークで訓練され、83.7%のストローク型精度、61.9%の方向、ランダム80/20のスプリットで62.6%の姿勢を記録した。 興味深いテストはクロスプレイヤーで、プロでトレーニングし、アマチュアで評価する。 ストローク型は82.9%減、0.8%減だった。 方向予測は転送されない。 画像空間のランドマークに切り替えると、クロスプレイヤーのストロークタイプの精度が83%から47%、方向が68%から21%になる。 すべてはKaggleの無料のT4 GPU層で動作し、完全に再現可能である。

関連論文リスト

• How Much Velocity Does Off-Ball Space Value Need? A Broadcast-Viewport Benchmark [0.9185901163605424]
  速度対応のピッチコントロールは標準だが、ブロードキャストビューポートではプレイヤーの半分がオフスクリーンである。 球面外解析速度の層がどの層に変化するかを問う。 速度を意識した地上の真実に対して,計算,制御面,チームの評価という3つのレイヤで4つの速度レギュレーションをスコア付けする。
  論文  参考訳（メタデータ） (2026-09-09T20:10:24Z)
• Dancing Stick Figures: An Introductory Dataset for Training Video Generation Models [0.0]
  Dancing Stick Figuresは,3つの障害に対して構築された合成ビデオデータセットだ。 スピードに関しては、64x64の64フレーム参照タスクは、単一のワークステーションGPUで実際に繰り返しトレーニングするためにサイズが大きすぎる。 アクセシビリティーのために、このリリースは4,020本のビデオクリップ-1,340本の6秒のソースモーションの0.79GBのトレーニングティアである。
  論文  参考訳（メタデータ） (2026-08-29T08:03:19Z)
• Training-Free Off-Screen Player Imputation for Broadcast-Based Spatial Football Analytics [0.9185901163605424]
  スポーツフットボールのメトリクスは、22人の選手のポジションにアクセスできることを前提としている。 メインカメラは10～16台しか表示できない。 得られた歪みを再現可能なオープンなベンチマークで定量化する。
  論文  参考訳（メタデータ） (2026-07-13T13:33:45Z)
• Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
  PointArena 2026は77.2%の精度でベンチマークで2位である。 ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。 次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
  論文  参考訳（メタデータ） (2026-06-29T06:39:03Z)
• TT4D: A Pipeline and Dataset for Table Tennis 4D Reconstruction From Monocular Videos [20.74832764427194]
  大規模な高忠実度テーブルテニスデータセットであるTT4Dを提案する。 再建されたシングルを1400ドル以上で提供し、モノラルな放送ビデオからゲームプレイを倍増させる。 このリッチなデータは、仮想リプレイ、詳細なプレイヤー分析、ロボット学習のための新しい基盤を提供する。
  論文  参考訳（メタデータ） (2026-05-02T04:14:40Z)
• Interpretable Pre-Release Baseball Pitch Type Anticipation from Broadcast 3D Kinematics [3.1224081969539714]
  球飛行データにアクセスせずに、単眼の3Dポーズシーケンスから8種類のピッチタイプを分類する。 我々のパイプラインは、自動ピッチングイベント検出による拡散ベースの3Dポーズバックボーンをチェーンする。 119,561個のプロピッチでボディキネマティクスのみを用いて80.4%の精度を実現した。
  論文  参考訳（メタデータ） (2026-03-05T07:04:35Z)
• VideoAgentTrek: Computer Use Pretraining from Unlabeled Videos [62.29924199978745]
  VideoAgentTrekは、Webスケールで公開されているスクリーン録画ビデオからトレーニングデータを自動的にマイニングするスケーラブルなパイプラインである。 生のビデオには暗黙のデモが含まれているが、明示的なアクションラベルがない。 39,000のYouTubeチュートリアルビデオに適用されたパイプラインは、自動的に1250万のインタラクションステップを生成します。
  論文  参考訳（メタデータ） (2025-10-22T11:25:48Z)
• Robot See Robot Do: Imitating Articulated Object Manipulation with Monocular 4D Reconstruction [51.49400490437258]
  本研究は,1つの単分子RGB人間の実演から音声による物体操作を模倣する手法を開発した。 まず,モノクロ映像から3次元部分運動を復元する4次元微分可能部品モデル(4D-DPM)を提案する。 この4D再構成を前提として、ロボットは物体の軌道を再現し、両腕の動きを計画し、実証された物体部分の動きを誘導する。 両用するYuMiロボットを用いて,4D-DPMの3D追跡精度を実写3D部分軌跡に基づいて評価し,9つのオブジェクトに対してRSRDの物理的実行性能を評価した。
  論文  参考訳（メタデータ） (2024-09-26T17:57:16Z)
• BootsTAP: Bootstrapped Training for Tracking-Any-Point [62.585297341343505]
  Tracking-Any-Point (TAP) は、ビデオ中の固体表面上の任意の点を追跡するアルゴリズムとして形式化することができる。 大規模でラベルなし、未修正のリアルワールドデータが、最小限のアーキテクチャ変更でTAPモデルを改善することができることを示す。 我々は,TAP-Vidベンチマークにおける最先端性能が,従来の結果よりも広いマージンで上回っていることを示す。
  論文  参考訳（メタデータ） (2024-02-01T18:38:55Z)
• Video-based automatic lameness detection of dairy cows using pose estimation and multiple locomotion traits [0.0]
  歩行牛のビデオから9つのキーポイントの動きを抽出した。 キーポイントの軌跡は6つの移動特性を計算するのに使われた。 3つの重要な特徴は、背姿勢測定、頭部ボビング、追跡距離であった。
  論文  参考訳（メタデータ） (2024-01-10T14:56:54Z)
• Fine-Grained Action Detection with RGB and Pose Information using Two Stream Convolutional Networks [1.4502611532302039]
  本稿では,テーブルテニスストロークの分類と検出のための2ストリームネットワークアプローチを提案する。 提案手法は生のRGBデータを利用して,MMPoseツールボックスから計算した情報をポーズする。 我々は脳卒中分類の改善を報告でき、精度は87.3%に達し、検出はベースラインを上回りつつも0.349のIoUと0.110のmAPに到達している。
  論文  参考訳（メタデータ） (2023-02-06T13:05:55Z)
• P2ANet: A Dataset and Benchmark for Dense Action Detection from Table Tennis Match Broadcasting Videos [64.57435509822416]
  この作品は、ワールド・テーブルテニス選手権とオリンピアードのプロの卓球試合の放送ビデオから収集された2,721本のビデオクリップで構成されている。 強調局所化と強調認識という2つのアクション検出問題を定式化する。 その結果、TheNameは依然として困難なタスクであり、ビデオからの高密度なアクション検出のための特別なベンチマークとして使用できることを確認した。
  論文  参考訳（メタデータ） (2022-07-26T08:34:17Z)
• Take an Emotion Walk: Perceiving Emotions from Gaits Using Hierarchical Attention Pooling and Affective Mapping [55.72376663488104]
  本稿では、ビデオやモーションキャプチャーデータから得られた歩行スタイルから、知覚された人間の感情を分類するためのオートエンコーダに基づくアプローチを提案する。 3次元ポーズシーケンスから抽出した各ステップのポーズにおける各関節の動きを考慮し、これらの関節の動きをエンコーダに階層的にプールする。 我々はデコーダを訓練し、潜伏埋め込みからトップダウン方式で1ステップ当たりの関節の動きを再構築する。
  論文  参考訳（メタデータ） (2019-11-20T05:04:16Z)

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。