論文の概要: Training-Free Off-Screen Player Imputation for Broadcast-Based Spatial Football Analytics
- arxiv url: http://arxiv.org/abs/2607.11548v1
- Date: Mon, 13 Jul 2026 13:33:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 17:47:21.482919
- Title: Training-Free Off-Screen Player Imputation for Broadcast-Based Spatial Football Analytics
- Title（参考訳）: 放送型空間サッカー分析のためのトレーニング不要オフスクリーンプレーヤー計算法
- Authors: Seongjin Choi,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.9185901163605424
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Spatial football metrics such as pitch control assume access to the positions of all 22 players, yet the most widely available source of positional data -- the broadcast main camera -- shows only 10-16 of them at any moment. We quantify the resulting distortion with an open, reproducible benchmark: a simulated broadcast viewport applied to open full-pitch tracking data (Metrica Sports; three matches, one held out from method development). Ignoring off-screen players -- the visible-only baseline implied whenever a video-based game-state-reconstruction (GSR) pipeline adds no imputation layer -- inflates hidden-zone pitch-control error to 25.1-26.9 percentage points and a mean absolute control-share error of 11.1-13.4 points across the three matches. We then evaluate a ladder of training-free, online imputation baselines that use only observations from the match being analysed. The best overall on these decision-relevant metrics, role-anchored centroid voting (each visible player votes for the full-team centroid by subtracting its running role offset, attenuating the viewport-induced subset bias), roughly halves hidden-zone error (to 12.2-13.8 points) and cuts control-share error to 28-48% of the ignore policy at every viewport width from 36 m to 60 m in all three matches. For occlusions <=9.6 s -- the regime of the closest learned prior work -- it reaches binwise median position errors of 3.3-8.9 m; but 50-57% of hidden-player observations lie beyond that regime. Integrated end-to-end into a broadcast-video GSR pipeline, imputation moves a downstream possession-quality score (Space-Creation Index) by 15.6 and 17.2 points on two real World Cup broadcast windows, flipping the verdict class in one.
- Abstract（参考訳）: ピッチコントロールなどの空間サッカーの指標では、22人の選手のポジションへのアクセスを前提としているが、最も広く使われている位置データ(放送メインカメラ)は、いつでも10～16人しかいない。
提案手法は,全ピッチ追跡データに応用されたシミュレーション放送ビューポート(Metrica Sports,3試合,1試合はメソッド開発から切り離された)を用いて,結果の歪みを再現可能なベンチマークで定量化する。
ビデオベースのゲーム・ステート・リコンストラクション(GSR)パイプラインがインプット層を付加しないときに暗示される、可視的にのみのベースラインであるオフスクリーンプレーヤーの無視は、隠れゾーンのピッチ制御誤差を25.1～26.9ポイント、平均絶対的なコントロール・シェアエラーは3試合で11.1～13.4ポイントに膨らませる。
トレーニング不要でオンラインなインパクションベースラインのはしごを評価し、マッチの分析結果のみを用いて評価する。
これらの決定に関連のある指標では、ロールアチョレッドのセントロイド投票(全チームのセントロイドの可視的なプレイヤー投票)、ランニングロールのオフセットを減らし、ビューポートによるサブセットバイアスを減らし、隠れゾーンエラー(12.2-13.8ポイント)をほぼ半分に減らし、ビューポートの幅を36mから60mに減らしてコントロールシェアエラーを28-48%に減らした。
隠蔽 <=9.6 s -- 最も学習された先行研究の体制 -- については、3.3-8.9mという双対中央値の位置誤差に達するが、隠れたプレイヤーの観察の50-57%は、その体制を超えている。
統合されたエンドツーエンドのGSRパイプラインが放送ビデオのGSRパイプラインとなり、インパクションは2つの実際のワールドカップ放送窓で下流の所有品質スコア(Space-Creation Index)を15.6と17.2ポイント動かし、判定クラスを1つに切り替える。
関連論文リスト
- 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) - Multi-Task Tennis Stroke Biomechanics Analysis Using MediaPipe Pose [0.0]
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。
論文 参考訳（メタデータ） (2026-06-14T19:40:45Z) - Spatially Grounded Concept Bottleneck Models via Part-Factorized Attention [0.2578242050187029]
概念ボトルネックモデル(CBM)は、クラスを予測する前に、人名属性の層を予測する。
この研究は、その自由を建設によって取り除く部分分解型CBMの研究である。
論文 参考訳（メタデータ） (2026-06-03T02:28:42Z) - OVO-S-Bench: A Hierarchical Benchmark for Streaming Spatial Intelligence in Multimodal LLMs [49.82435858489898]
OVOS-Benchは、人間中心の空間知能をストリーミングするための完全な注釈付きベンチマークである。
348のソースビデオに関する1,680の質問で構成されている。
それぞれの質問はクエリとエビデンスインターバルを持ち、評価において、モデルはクエリの前のプレフィックスのみを表示する。
論文 参考訳（メタデータ） (2026-06-02T16:51:32Z) - Right Makes Might: Aligning Verified Hidden States Empowers RL Reasoning [55.264863369127774]
現在の方法では、それぞれの正しいロールアウトを単一の報酬ビットに減らし、隠れた状態間で共有される幾何学的構造を無視している。
本稿では,RLトレーニングにおけるアンカートークンにおける正ロールアウトの最終層を,トレーニングと推論の両方においてゼロオーバーヘッドで整列する補助損失関数Hidden-Alignを提案する。
8つの数学的推論ベンチマークでは、Hidden-AlignはDAPOベースラインの平均パス@1をQwen3-1.7B, 4B, 14Bで3.8, 6.2, 5.4ポイント改善し、3つのスケールで一貫したパス@kゲインを得る。
論文 参考訳（メタデータ） (2026-06-02T06:51:15Z) - Wide Open Gazes: Quantifying Visual Exploratory Behavior in Soccer with Pose Enhanced Positional Data [0.0]
サッカーにおける視覚的な探索行動を測定する従来のアプローチは、125/sを超える速い動きに基づいて、視覚的な探索行動(VEA)を数えることに頼っている。
本研究では、ポーズ強化トラッキングからプレイヤーの視覚知覚を定量化するための定式的連続視覚層を提案する。
我々は,2024コパ・アメリカにおける32種類の同期ポーズ強化追跡データとボールイベントデータを用いて,ブラブリング動作終了時の制御ピッチ値の予測を行った。
論文 参考訳（メタデータ） (2026-02-19T20:17:23Z) - Concurrent validity of computer-vision artificial intelligence player tracking software using broadcast footage [0.7115591863976217]
2022年のカタール・フェデレーション・インターナショナル・デ・フットボール・アソシエーション(FIFA)ワールドカップで1試合に出場した。
コンピュータビジョンとAIを使用する3つの商用追跡プロバイダが参加した。
データは高解像度マルチカメラ追跡システムと比較された。
論文 参考訳（メタデータ） (2025-08-26T23:40:23Z) - SoccerNet 2025 Challenges Results [205.71032061537747]
SoccerNet 2025 Challengesは、サッカービデオ理解におけるコンピュータビジョン研究の進歩に特化した、サッカーネットオープンな取り組みの第5回年次大会である。
今年の課題は、Team Ball Action Spotting、Monocular Depth Estimation、Multi-View Foul Recognition、Game State Reconstructionの4つのビジョンベースのタスクにまたがる。
レポートは、各課題の結果を示し、最高パフォーマンスのソリューションを強調し、コミュニティが達成した進歩に関する洞察を提供する。
論文 参考訳（メタデータ） (2025-08-26T16:37:07Z) - The Leaderboard Illusion [61.27964089648608]
アリーナは最も有能なAIシステムランキングのリーダーボードとして登場した。
我々は,ゆがんだ競技場に生じた体系的な問題を同定する。
論文 参考訳（メタデータ） (2025-04-29T15:48:49Z) - 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)
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。