論文の概要: CalTennis: Large Multi-View Tennis Video Dataset and Benchmark of Monocular-to-3D Pose Estimation

• arxiv url: http://arxiv.org/abs/2606.20542v1
• Date: Thu, 18 Jun 2026 17:52:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:40.040766
• Title: CalTennis: Large Multi-View Tennis Video Dataset and Benchmark of Monocular-to-3D Pose Estimation
• Title（参考訳）: CalTennis: 大規模なマルチビューテニスビデオデータセットとモノクラー・ツー・3Dポス推定のベンチマーク
• Authors: Ilona Demler, Xinran Xie, Blake Werner, Anna Szczuka, Pietro Perona,
• Abstract要約: Caltech Tennisデータセット(Caltennis)は、野生におけるモノクロから3Dのポーズ推定を評価するための大規模なビデオベンチマークである。 CalTennisは1100万フレーム(51時間)以上のテニス練習と40人のプレーヤーによるマッチプレイで構成され、60Hzで2-6の同期カメラで撮影される。 既存の人間のモーションビデオデータセットの10倍、既存のMOCAP構造化データセットの3倍の大きさである。
• 参考スコア（独自算出の注目度）: 11.348403489946826
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Caltech Tennis Dataset (CalTennis) is a large-scale video benchmark for evaluating monocular-to-3D pose estimation in the wild. CalTennis comprises over 11 million frames (51 hours) of tennis practice and match play from 40 players, captured with 2-6 synchronized cameras at 60 Hz. It is 10 times larger than existing in-the-wild human motion video datasets and 3 times larger than existing MOCAP-ground-truthed datasets, and it is the first large-scale benchmark to provide synchronized multi-view recordings of expert athletic motion. The multi-view setup enables inexpensive, label-free evaluation of monocular-to-3D pose estimation algorithms. We describe a simple, standardized protocol that enables data collection without specialized equipment or expertise, along with fully automated video calibration and synchronization. Benchmarking state-of-the-art monocular-to-3D pose methods on CalTennis, we find that while 3D joint angle recovery is now quite accurate, all models struggle to estimate depth and foot contact consistently. We further propose two novel performance metrics, footwork and stability, as well as qualitatively study body shape inconsistency. These metrics expose previously underexplored failure modes and point to concrete opportunities for improvement in pose estimation and action analysis.
• Abstract（参考訳）: Caltech Tennis Dataset (CalTennis)は、モノクロから3Dのポーズ推定を行うための大規模ビデオベンチマークである。 CalTennisは1100万フレーム(51時間)以上のテニス練習と40人のプレーヤーによるマッチプレイで構成され、60Hzで2-6の同期カメラで撮影される。 既存の人間のモーションビデオデータセットの10倍、既存のMOCAP構造化データセットの3倍の大きさであり、専門家運動のマルチビュー記録を同期する最初の大規模ベンチマークである。 マルチビュー設定により、単眼対3Dポーズ推定アルゴリズムの安価なラベルなし評価が可能となる。 本稿では,専用機器や専門知識を使わずにデータ収集を可能とし,ビデオのキャリブレーションと同期を完全自動化した,シンプルで標準化されたプロトコルについて述べる。 CalTennis上での最先端のモノクル・ツー・3Dポーズのベンチマークにより、3次元関節角度の回復は極めて正確であるものの、全てのモデルが深度と足の接触を連続的に推定するのに苦労していることがわかった。 さらに,足作業と安定性という2つの新しいパフォーマンス指標を提案し,身体形状の不整合を定性的に研究する。 これらのメトリクスは、以前に未探索の障害モードを公開し、ポーズ推定とアクション分析の改善の具体的な機会を示します。

関連論文リスト

• Multi-View 3D Point Tracking [67.21282192436031]
  本稿では,複数のカメラビューを用いた動的シーンにおける任意の点の追跡を目的とした,データ駆動型マルチビュー3Dポイントトラッカーについて紹介する。 本モデルでは,現実的な数のカメラを用いて直接3次元対応を推定する。 我々は5K合成多視点Kubricシーケンスをトレーニングし、2つの実世界のベンチマークで評価する。
  論文  参考訳（メタデータ） (2025-08-28T17:58:20Z)
• Multi-person Physics-based Pose Estimation for Combat Sports [0.689728655482787]
  スパースマルチカメラを用いた戦闘スポーツにおける正確な3次元ポーズ推定のための新しい枠組みを提案する。 提案手法は,トランスフォーマーを用いたトップダウン手法により,堅牢なマルチビュー2Dポーズトラッキングを実現する。 我々はさらに、多対人物理に基づく軌道最適化のステップを導入することにより、ポーズリアリズムとロバスト性をさらに強化する。
  論文  参考訳（メタデータ） (2025-04-11T00:08:14Z)
• AthletePose3D: A Benchmark Dataset for 3D Human Pose Estimation and Kinematic Validation in Athletic Movements [4.653030985708889]
  AthletePose3Dは、高速で高速な運動運動をキャプチャするために設計された、新しいデータセットである。 本研究では,SOTA (State-of-the-art monocular 2D and 3D pose Estimation model on the dataset。
  論文  参考訳（メタデータ） (2025-03-10T16:16:02Z)
• Scene-Aware 3D Multi-Human Motion Capture from a Single Camera [83.06768487435818]
  静止カメラで記録された1枚のRGBビデオから、シーン内の複数の人間の3次元位置を推定し、その身体形状と調音を推定する問題を考察する。 コンピュータビジョンの最近の進歩を,2次元の人体関節,関節角度,正規化不均等マップ,人間のセグメンテーションマスクなど,様々なモダリティのための大規模事前訓練モデルを用いて活用している。 特に,2次元の関節と関節角度を用いた正規化不均等予測から,シーン深度とユニークな人格尺度を推定する。
  論文  参考訳（メタデータ） (2023-01-12T18:01:28Z)
• MetaPose: Fast 3D Pose from Multiple Views without 3D Supervision [72.5863451123577]
  正確な3Dポーズとカメラ推定が可能なニューラルモデルをトレーニングする方法を示す。 本手法は,古典的バンドル調整と弱教師付き単分子3Dベースラインの両方に優れる。
  論文  参考訳（メタデータ） (2021-08-10T18:39:56Z)
• Monocular Real-time Hand Shape and Motion Capture using Multi-modal Data [77.34069717612493]
  本稿では,100fpsの単眼手形状とポーズ推定の新たな手法を提案する。 これは、利用可能なハンドトレーニングデータのソースをすべて活用できるように設計された、新しい学習ベースのアーキテクチャによって実現されている。 3次元手関節検出モジュールと逆キネマティクスモジュールを備えており、3次元手関節位置だけでなく、1つのフィードフォワードパスでそれらを関節回転にマッピングする。
  論文  参考訳（メタデータ） (2020-03-21T03:51:54Z)

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。