論文の概要: TCG-AR: Real-Time Multi-View Augmented Reality for Trading Card Game Streaming
- arxiv url: http://arxiv.org/abs/2607.02090v1
- Date: Thu, 02 Jul 2026 12:29:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-03 19:45:08.826029
- Title: TCG-AR: Real-Time Multi-View Augmented Reality for Trading Card Game Streaming
- Title（参考訳）: TCG-AR:カードゲームストリーミングのためのリアルタイムマルチビュー拡張現実
- Authors: Anthony Cioppa, Antoine Verdonck, Maxim Henry, Marc Van Droogenbroeck, Raphaël La Rocca,
- Abstract要約: TCG-ARは、通常のRGBカメラだけでトレーディングカードゲームを拡張する、新しいリアルタイムパイプラインである。
私たちのパイプラインはボード上のカードを検出し、オリエントを特定し、識別します。
また、観客のゲーム状態を要約した放送スタイルのビューも作成できる。
- 参考スコア（独自算出の注目度）: 18.287539397902417
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Trading card games are increasingly played and broadcast online, yet live streams remain mostly limited to flat top-down footage of the playing area. Augmenting such streams with virtual models of the played cards would improve the viewing experience, but most existing systems rely on instrumented playing surfaces and embedded chips, which are costly and impractical for casual players and large-scale events. In this work, we present TCG-AR, a novel real-time pipeline that augments trading card games using ordinary RGB cameras alone, without any physical markers or specialized hardware. Our pipeline detects, orients, and identifies the cards on the board, renders virtual content onto each card across all views, and can additionally compose a broadcaststyle view that summarizes the game state for spectators, streaming the augmented feeds to standard broadcasting software such as OBS. To train the detection, orientation, and identification models without manual labeling, we introduce an automatic procedure that generates annotated synthetic training data from a reference set of card images. Then, we evaluate several trained models on a new manually annotated dataset with real images, analyzing performance and runtime throughput that determine real-world usability. Overall, by relying only on commodity cameras and hardware, and by open-sourcing all code, models, and datasets, this work aims to serve as a reference for real-time trading card recognition and to make real-time augmented-reality streaming accessible to the broader community of players and streamers.
- Abstract（参考訳）: トレーディングカードゲームはますますオンラインでプレイされ、放送されるが、ライブストリームは、プレイエリアの平らなトップダウン映像に限られている。
プレイカードの仮想モデルでこのようなストリームを拡張することで視聴体験が向上するが、既存のシステムのほとんどは、カジュアルプレイヤーや大規模イベントにとってコストがかかり、実用的ではない、計器式プレイサーフェスと組み込みチップに依存している。
そこで本研究では,通常のRGBカメラのみを用いて,物理的なマーカーや特別なハードウェアを使わずにカードゲームを拡張可能な,新たなリアルタイムパイプラインTCG-ARを提案する。
我々のパイプラインは、ボード上のカードを検出し、オリエントを特定し、識別し、すべてのビューに仮想コンテンツをレンダリングし、さらに観客のゲーム状態を要約したブロードキャストスタイルのビューを、OBSなどの標準放送ソフトウェアにストリーミングすることができる。
手動ラベリングを使わずに検出、方向、識別モデルを訓練するために、カード画像の参照セットから注釈付き合成訓練データを生成する自動手順を導入する。
次に、実画像を用いた手動注釈付きデータセット上で、実世界のユーザビリティを決定するためのパフォーマンスと実行時のスループットを分析し、複数のトレーニングされたモデルを評価した。
全体としては、コモディティカメラとハードウェアのみに依存し、すべてのコード、モデル、データセットをオープンソース化することによって、リアルタイムのトレーディングカード認識のリファレンスとして機能し、プレイヤーやストリーマーの広いコミュニティにリアルタイムの拡張現実ストリーミングを提供することを目指している。
関連論文リスト
- Geo-Align: Video Generation Alignment via Metric Geometry Reward [53.65904111864641]
Geo-Alignは、カメラ制御ビデオ再レンダリング用に特別に設計された最初の強化学習フレームワークである。
事前訓練されたモデルに基づいて、スケールアウェアの知覚報酬機構を用いてモデルを最適化する。
実験により、Geo-Alignは、カメラの正確な制御性と視覚的忠実性の両方において、既存の教師付き学習ベースラインを一貫して上回っていることが示された。
論文 参考訳（メタデータ） (2026-05-22T17:59:43Z) - OmniStream: Mastering Perception, Reconstruction and Action in Continuous Streams [57.22276728212066]
現代の視覚エージェントは、リアルタイムストリーミング環境で動作するために、一般的な、因果的、物理的に構造化された表現を必要とする。
本稿では,多様な視覚入力を効果的に知覚し,再構成し,動作させる,統合されたストリーミング視覚バックボーンであるOmniStreamを紹介する。
論文 参考訳（メタデータ） (2026-03-12T17:59:55Z) - REFA: Real-time Egocentric Facial Animations for Virtual Reality [56.82169742343143]
バーチャルリアリティー(VR)ヘッドセットに埋め込まれた赤外線カメラのセットから得られたエゴセントリックなビューを用いて,表情をリアルタイムに追跡するシステムを提案する。
我々の技術は、仮想キャラクタの表情を非侵襲的に正確に駆動するのに役立つ。
論文 参考訳（メタデータ） (2026-01-07T01:41:46Z) - From Virtual Games to Real-World Play [34.022575851703145]
本稿では,ユーザ制御信号からインタラクティブなビデオ生成を可能にするニューラルネットワークベースのリアルワールドゲームエンジンであるRealPlayを紹介する。
RealPlayは、現実世界の映像に似た、写真リアリスティックで時間的に一貫したビデオシーケンスを作ることを目指している。
論文 参考訳（メタデータ） (2025-06-23T17:59:53Z) - Gameplay Highlights Generation [3.019500891118183]
この作業により、ゲーマーは、ゲームプレイセッションから目を引くハイライトリールを自動的に生成することで、ソーシャルメディア上でゲーム体験を共有することができる。
我々は、VIAビデオアノテータを用いて、人間が注釈付けした興味深いイベントを含む、社内ゲームプレイイベント検出データセットを開発した。
マルチモーダルな汎用ビデオ理解モデルであるX-CLIPを,ゲームエンジニアリングを使わずに複数のジャンルにまたがって一般化するデータセットを用いて微調整した。
論文 参考訳（メタデータ） (2025-05-12T16:28:22Z) - A Simple and Effective Temporal Grounding Pipeline for Basketball Broadcast Footage [0.0]
バスケットボール放送映像の映像から分析的アライメントのための信頼性の高い時間的グラウンドパイプラインを提案する。
本手法は,ビデオフレームに高密度なイベントアノテーションを含むプレイバイプレイアノテーションのラベル付きコーパスを調整し,ラベル付きビデオセグメントの迅速な検索を可能にする。
論文 参考訳（メタデータ） (2024-10-30T17:27:44Z) - PLayerTV: Advanced Player Tracking and Identification for Automatic Soccer Highlight Clips [2.3920366469105088]
PlayerTVは、サッカービデオの自動プレーヤー追跡と識別に最先端のAI技術を活用する革新的なフレームワークである。
オブジェクトの検出と追跡、光学文字認識(OCR)、色解析を統合することで、PlayerTVはプレイヤー固有のハイライトクリップの生成を容易にする。
ノルウェーのエリテセリエンリーグのデータセットでテストしたコアパイプラインの評価から得られた予備的な結果は、PlayerTVがチームや選手を正確にかつ効率的に識別できることを示唆している。
論文 参考訳（メタデータ） (2024-07-22T22:27:57Z) - BVI-RLV: A Fully Registered Dataset and Benchmarks for Low-Light Video Enhancement [56.97766265018334]
本稿では,2つの異なる低照度条件下での様々な動きシナリオを持つ40のシーンからなる低照度映像データセットを提案する。
我々は、プログラム可能なモータードリーを用いて、通常の光で捉えた完全に登録された地上真実データを提供し、異なる光レベルにわたるピクセルワイドフレームアライメントのための画像ベースアプローチによりそれを洗練する。
実験の結果,Low-light Video enhancement (LLVE) における完全登録ビデオペアの重要性が示された。
論文 参考訳（メタデータ） (2024-07-03T22:41:49Z) - VideoRF: Rendering Dynamic Radiance Fields as 2D Feature Video Streams [56.00479598817949]
VideoRFは、モバイルプラットフォーム上で動的ラディアンスフィールドのリアルタイムストリーミングとレンダリングを可能にする最初のアプローチである。
特徴画像ストリームを2次元ビデオコーデックで効率よく圧縮できることを示す。
我々は動的シーンのオンラインストリーミングとレンダリングを可能にするリアルタイムインタラクティブプレーヤーを開発した。
論文 参考訳（メタデータ） (2023-12-03T14:14:35Z)
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。