論文の概要: Computer Vision for MOBA Analytics: A Dataset and Baseline for Visibility Analysis in Dota 2
- arxiv url: http://arxiv.org/abs/2606.26970v1
- Date: Thu, 25 Jun 2026 12:43:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.284017
- Title: Computer Vision for MOBA Analytics: A Dataset and Baseline for Visibility Analysis in Dota 2
- Title（参考訳）: MOBA分析のためのコンピュータビジョン: Dota 2における可視性分析のためのデータセットとベースライン
- Abstract要約: この作業では、ビデオベースのデータセットであるDota2-Visと、プロのDota 2マッチの可視性分析のためのベースラインパイプラインが導入されている。
このデータセットは、両チームの観点から記録されたThe International 2025の144試合すべてで構成されている。
YOLO11l(大規模)は、細密で視覚的に散らばったミニマップシーンでも確実にプレイヤーアイコンを識別し、全体的なパフォーマンスを最高のものにした。
- 参考スコア（独自算出の注目度）: 0.7013794773659422
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Introduction: Most Multiplayer Online Battle Arena (MOBA) analytics studies rely on structured data, which does not directly capture what each team could actually see during a match. Objective: This work introduces Dota2-Vis, a video-based dataset, and a baseline pipeline for visibility analysis in professional Dota 2 matches. Methodology: The dataset comprises all 144 matches from The International 2025, recorded from both team perspectives, totaling 288 Full HD videos, together with 2,477 manually annotated minimap images. We evaluate multiple variants of a modern object detector for player-icon detection and use the best-performing model to estimate opponent-visible player presence over time. Results: YOLO11l (large) achieved the best overall performance, reliably identifying player icons even in dense and visually cluttered minimap scenes. The resulting visibility curves reveal player, hero, role, and team-level patterns that complement conventional MOBA analytics, highlighting behavioral differences that are difficult to obtain from structured data alone. The dataset and code are publicly available at https://github.com/RicardoRCarvalho/dota2-vis/.
- Abstract（参考訳）: 導入:MOBA(Multiplayer Online Battle Arena)分析研究は構造化データに依存しており、試合中に各チームが実際に見たものを直接キャプチャしない。
Objective: この研究は、ビデオベースのデータセットであるDota2-Visと、プロのDota 2マッチの可視性分析のためのベースラインパイプラインを導入している。
方法論: このデータセットは、両チームから記録されたThe International 2025の144試合すべてで構成され、合計288のフルHDビデオと2,477の注釈付きミニマップ画像で構成されている。
プレイヤー・イコン検出のための現代の物体検出器の多変量評価を行い、最適性能モデルを用いて、時間とともに対戦可能選手の存在を推定する。
結果: YOLO11l(大規模)は、密集した視覚的に散らばったミニマップシーンでも確実にプレイヤーアイコンを識別し、全体的なパフォーマンスを最高のものにした。
その結果生まれた可視性曲線は、従来のMOBA分析を補完するプレーヤ、ヒーロー、ロール、チームレベルのパターンを明らかにし、構造化データだけでは取得が難しい振る舞いの違いを強調します。
データセットとコードはhttps://github.com/RicardoRCarvalho/dota2-vis/で公開されている。
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) - Round Outcome Prediction in VALORANT Using Tactical Features from Video Analysis [0.9922182602237924]
この研究は複雑な戦略を必要とするFPSゲームVALORANTをターゲットにしている。
マッチング映像中のミニマップ情報を解析することにより、ラウンドアウト予測モデルを構築することを目的としている。
論文 参考訳（メタデータ） (2025-10-20T06:23:36Z) - SoccerTrack v2: A Full-Pitch Multi-View Soccer Dataset for Game State Reconstruction [2.5475610311101313]
SoccerTrack v2は、多目的追跡(MOT)、ゲーム状態再構成(GSR)、サッカー分析におけるボールアクションスポッティング(BAS)を前進させるための新しいパブリックデータセットである。
SoccerTrack v2は、大学レベルの試合をフル長のパノラマ4Kで記録し、BeProカメラで撮影してプレイヤーの視認性を高める。
論文 参考訳（メタデータ） (2025-08-03T15:38:59Z) - Towards long-term player tracking with graph hierarchies and domain-specific features [5.985204759362746]
本研究では、ジャージ番号、チームID、フィールド座標などのドメイン固有の特徴を活用する階層グラフベースのアプローチであるSportsSUSHIを導入し、追跡精度を向上させる。
SportsSUSHIは、サッカーネットデータセットと、新たに提案されたホッケー追跡データセット上で高いパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-02-28T17:12:40Z) - Towards Universal Soccer Video Understanding [58.889409980618396]
本稿では,サッカー理解のための総合的マルチモーダルフレームワークを提案する。
これまでで最大のマルチモーダルサッカーデータセットである SoccerReplay-1988 を紹介する。
サッカービデオにまたがる時間的情報を活用し、様々な下流タスクに優れる高度なサッカー特化視覚情報であるMatchVisionを提示する。
論文 参考訳（メタデータ） (2024-12-02T18:58:04Z) - LOGO: A Long-Form Video Dataset for Group Action Quality Assessment [63.53109605625047]
LOGOと呼ばれるアクション品質評価のための多人数長ビデオデータセットを構築した。
私たちのデータセットには、26のアーティスティックスイミングイベントの200の動画と、各サンプルに8人のアスリートと、平均204.2秒の時間が含まれています。
アノテーションの豊かさに関して、LOGOには、複数のアスリートのグループ情報とアクション手順に関する詳細なアノテーションを記述するためのフォーメーションラベルが含まれている。
論文 参考訳（メタデータ） (2024-04-07T17:51:53Z) - Unified Visual Relationship Detection with Vision and Language Models [89.77838890788638]
この研究は、複数のデータセットからラベル空間の結合を予測する単一の視覚的関係検出器のトレーニングに焦点を当てている。
視覚と言語モデルを活用した統合視覚関係検出のための新しいボトムアップ手法UniVRDを提案する。
人物体間相互作用検出とシーングラフ生成の双方による実験結果から,本モデルの競合性能が示された。
論文 参考訳（メタデータ） (2023-03-16T00:06:28Z) - Understanding ME? Multimodal Evaluation for Fine-grained Visual
Commonsense [98.70218717851665]
モデルが、限られた評価データ資源のために、視覚的シーンと基礎となるコモンセンス知識を本当に理解しているかどうかは不明だ。
本稿では,視覚シーン,テキスト,関連知識に対するモデルの理解をテストするために,質問応答ペアを自動的に生成するマルチモーダル評価(ME)パイプラインを提案する。
次に、MEデータによるトレーニングが標準VCR評価におけるモデルの性能を高めることを示すために、さらに一歩踏み出します。
論文 参考訳（メタデータ） (2022-11-10T21:44:33Z) - 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) - Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。
提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。
次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
論文 参考訳（メタデータ） (2022-03-10T02:37:39Z) - Multiview Detection with Feature Perspective Transformation [59.34619548026885]
本稿では,新しいマルチビュー検出システムMVDetを提案する。
我々は,平面上に特徴写像を投影することで,多視点情報を集約するアンカーフリーアプローチを採っている。
私たちのモデル全体がエンドツーエンドで学習可能で、標準のWildtrackデータセットで88.2%のMODAを実現しています。
論文 参考訳（メタデータ） (2020-07-14T17:58:30Z)
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。