論文の概要: SoccerNet 2026 Player-Centric Ball Action Spotting: Per-Player Attention with Agreement-Based Ensembling
- arxiv url: http://arxiv.org/abs/2606.28389v1
- Date: Tue, 23 Jun 2026 09:16:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.541551
- Title: SoccerNet 2026 Player-Centric Ball Action Spotting: Per-Player Attention with Agreement-Based Ensembling
- Title（参考訳）: SoccerNet 2026 Player-Centric Ball Action Spotting: Agreement-Based Ensemblingによる選手ごとのアテンション
- Abstract要約: 我々は,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応募する。
Track-Aware Action Detector(TAAD)は、放送ビデオからプレイヤーごとのアクションログを生成し、Denoising Sequence Transduction(DST)変換器は、ゲーム状態の特徴とTAADログを構造化されたイベントシーケンスに変換する。
DSTでは,ゲーム状態の特徴に着目した2段階毎のアテンション機構を導入し,空間優先のアテンションオーダがマクロF1の検証を1.87%改善することを示す。
- 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 present our submission to the SoccerNet 2026 Player-Centric Ball Action Spotting challenge, which uses a two-stage pipeline: a Track-Aware Action Detector (TAAD) produces per-player action logits from broadcast video, and a Denoising Sequence Transduction (DST) transformer converts game-state features and TAAD logits into structured event sequences. We improve the TAAD with a temporal transformer that adds cross-frame context, alongside several training fixes. For the DST stage, we introduce a two-stage per-player attention mechanism operating on game-state features, and show that a spatial-first attention ordering (cross-player attention before temporal attention) improves validation Macro-F1 by 1.87%. To exploit architectural diversity, we train four model variants and combine them with a Weighted Event Fusion ensemble that applies agreement filtering to suppress single-model false positives while preserving recall, plus a dedicated exception for the rare tackle class. Our final system improves the challenge Macro-F1 from a baseline of 48.6 to 58.94.
- Abstract（参考訳）: トラック・アウェア・アクション・ディテクタ(TAAD)は放送映像からプレイヤーごとのアクション・ロジットを生成し,DST(Denoising Sequence Transduction)トランスフォーマー(DST)はゲーム状態の特徴とTAADロジットを構造化イベントシーケンスに変換する。
我々は、複数のトレーニング修正とともに、フレーム間のコンテキストを追加する時間変換器でTAADを改善する。
DSTでは,ゲーム状態の特徴に着目した2段階毎のアテンション機構を導入し,空間優先のアテンションオーダリング(時間的アテンション前のクロスプレイヤーアテンション)により,マクロF1の検証が1.87%向上することを示す。
アーキテクチャの多様性を活用するため、我々は4つのモデル変種をトレーニングし、それらを重み付きイベントフュージョンアンサンブルと組み合わせて、リコールを保ちながら単一モデル偽陽性を抑制するための合意フィルタリングを適用し、レアタッククラスに専用の例外を付与する。
最終システムは、48.6のベースラインから58.94まで、Macro-F1の課題を改善する。
関連論文リスト
- Entity-Aware Sequence Transduction for Player-Centric Ball Action Spotting [3.422845160588969]
プレーヤー中心のボールアクションスポッティングは、アクターの属性とともに時間的に正確なイベント検出を必要とする。
既存のDenoising Sequence Transduction (DST)ベースラインは、プレーヤロール次元をフラットなフレームレベルの表現の一部として扱う。
符号化全体にわたってロールスロット次元を維持するために,ME-DST(Multi-Entity Denoising Sequence Transduction)を提案する。
論文 参考訳（メタデータ） (2026-08-03T04:48:54Z) - SoccerNet 2026 Player-Centric Ball-Action Spotting:Retraining and Post-Processing Extensions to the FOOTPASS Baselines [0.0]
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)。
論文 参考訳（メタデータ） (2026-06-08T15:59:56Z) - TunerDiT: Training-free Progressive Steering of Diffusion Transformer for Multi-Event Video Generation [61.04423890085284]
マルチイベント生成のための追加トレーニングを必要としないプログレッシブステアリング手法TunerDiTを提案する。
TunerDiTは8つのメトリクスにわたる最先端のパフォーマンスを実現し、ビデオの一貫性とイベント分離の間の調整可能なトレードオフを提供する。
論文 参考訳（メタデータ） (2026-05-29T17:56:09Z) - EgoAction: Egocentric Action Composition with Reliability-Aware Temporal Fusion for the EPIC-KITCHENS Action Detection Challenge at CVPR 2026 [69.56534058291463]
EgoActionは、統合された分離された検出と融合パイプラインである。
パイプラインはEPICに精細化されたVideoMAE-L機能を使用し、因果時間モデルを用いて名詞と動詞の時間的検出器を分離する。
EgoActionは、エゴセントリックな時間的行動検出のためのコンパクトで再現可能なシステムを提供する。
論文 参考訳（メタデータ） (2026-05-23T10:05:56Z) - SCOPE: Simulating Cross-game Operations in Playable Environments for FPS World Models [49.15128236103093]
既存のメソッドは、グローバルにアクションを注入し、シングルタイトルでトレーニングし、密度の高いFPS入力で失敗する。
本稿では,事前学習したビデオ拡散モデルの各トランスブロックに条件付きモジュールを挿入するSCOPEを提案する。
また,フレーム対応のアクションテレメトリを備えたマルチゲームFPSデータセットであるCrossFPSについても紹介する。
論文 参考訳（メタデータ） (2026-05-22T08:06:37Z) - ActionParty: Multi-Subject Action Binding in Generative Video Games [117.52562594944679]
ActionPartyは、ゲーム生成のための制御可能な多目的世界モデルである。
46の多様な環境において最大7人のプレイヤーを同時に制御できる最初のビデオワールドモデルを実証する。
論文 参考訳（メタデータ） (2026-04-02T17:59:58Z) - Beyond Pixels: Leveraging the Language of Soccer to Improve Spatio-Temporal Action Detection in Broadcast Videos [1.4249472316161877]
最新の時間的行動検出手法は、放送ビデオからイベントを抽出する有望な結果を示す。
多くの偽陽性は、より広範な行動列とゲーム状態情報を考慮することで解決できる。
ゲームレベルでの推論と,デノナイジングシーケンスタスクの追加によるSTADの改善により,この問題に対処する。
論文 参考訳（メタデータ） (2025-05-14T15:05:36Z) - 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) - TranSPORTmer: A Holistic Approach to Trajectory Understanding in Multi-Agent Sports [28.32714256545306]
TranSportmerは、これらすべてのタスクに対処できる統合トランスフォーマーベースのフレームワークである。
時間的ダイナミクスと社会的相互作用を同変的に効果的に捉える。
プレイヤー予測、プレイヤー予測・インプット、ボール推論、ボールインプットにおいて、最先端のタスク固有モデルより優れている。
論文 参考訳（メタデータ） (2024-10-23T11:35:44Z) - Harnessing Temporal Causality for Advanced Temporal Action Detection [53.654457142657236]
本稿では,因果的注意と因果的マンバを組み合わせたCausalTADを提案する。
Ego4D Challenge 2024では,EPIC-Kitchens Challenge 2024では行動認識,行動検出,音声によるインタラクション検出トラックで1位,Ego4D Challenge 2024ではMoment Queriesトラックで1位にランクインした。
論文 参考訳（メタデータ） (2024-07-25T06:03:02Z) - ZJU ReLER Submission for EPIC-KITCHEN Challenge 2023: TREK-150 Single
Object Tracking [62.98078087018469]
マルチ機能スケールでトランスフォーマーを組み込んだAOTフレームワークの派生版であるMSDeAOTを紹介する。
MSDeAOTは16と8の2つの特徴尺度を用いて、以前のフレームから現在のフレームへ効率的にオブジェクトマスクを伝搬する。
設計の有効性の証明として,EPIC-KITCHENS TREK-150 Object Tracking Challengeで1位を獲得した。
論文 参考訳（メタデータ） (2023-07-05T03:50:58Z)
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。