論文の概要: NBA_Streaming: A Large-Scale Benchmark for Fine-Grained Basketball Commentary Generation in Continuous Streams
- arxiv url: http://arxiv.org/abs/2608.09200v2
- Date: Thu, 13 Aug 2026 08:01:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-14 14:00:09.520201
- Title: NBA_Streaming: A Large-Scale Benchmark for Fine-Grained Basketball Commentary Generation in Continuous Streams
- Title（参考訳）: NBA_Streaming: 連続ストリームにおけるファイングラインドバスケットボール解説生成のための大規模ベンチマーク
- Authors: Lifang Wu, Yuyang Wu, Yangdong Gao, Fengyu Liu, Ya Jing, Liang Wang,
- Abstract要約: 我々はNBA_Streamingを紹介した。
NBA_Streamingには、307.5時間のバスケットボール放送と、約35Kのタイムアライメントイベントが含まれている。
球中心のセマンティックグラウンド化と完備化ファーストのローカライゼーションを組み合わせた因果2段階フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 17.027730382985236
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Live basketball commentary generation requires determining when an event is sufficiently observable and describing it before subsequent events unfold. However, existing methods are primarily designed for pre-segmented clips or complete videos, making them unsuitable for continuous streams. Existing datasets also provide limited supervision for player identities, fine-grained actions, event attributes, and coherent event chains, restricting the factual richness of generated commentary. To address these limitations, we introduce NBA_Streaming, a large-scale benchmark for online fine-grained basketball commentary generation. It contains 307.5 hours of basketball broadcasts and approximately 35K temporally aligned events, with annotations of event boundaries, player identities, fine-grained actions, event chains, and natural-language commentary. By moving from isolated clips to continuous streams, NBA_Streaming enables unified evaluation of event localization, response reliability, factual grounding, and commentary quality under causal constraints. We further propose a causal two-stage framework that combines completion-first localization with ball-centric semantic grounding, enabling the system to identify complete events from observed streams and organize scene, event, identity, and action cues for commentary generation. Extensive experiments reveal the difficulty of NBA_Streaming, where existing baselines struggle with online timing, factual grounding, and fine-grained description. Our framework consistently improves over strong alternatives, while the remaining gap highlights NBA_Streaming as a valuable benchmark for streaming sports video understanding and generation. The code and data will be made publicly available upon acceptance.
- Abstract（参考訳）: ライブバスケットボールの解説生成では、イベントが十分に観測可能かどうかを判断し、その後のイベントが開く前にそれを記述する必要がある。
しかし、既存の手法は主にプレセグメンテーションされたクリップや完全なビデオのために設計されており、連続的なストリームには適さない。
既存のデータセットはまた、プレイヤーのアイデンティティ、きめ細かいアクション、イベント属性、一貫性のあるイベントチェーンの限定的な監視を提供し、生成されたコメントの事実的豊かさを制限する。
これらの制限に対処するため、我々はNBA_Streamingを紹介した。
バスケットボールの放送時間は307.5時間で、イベント境界、選手の身元、きめ細かいアクション、イベントチェーン、自然言語の注釈など、およそ35Kのイベントがある。
独立したクリップから連続ストリームに移行することで、NBA_Streamingは、因果制約下でのイベントローカライゼーション、応答信頼性、事実的根拠、コメント品質の統一的な評価を可能にする。
さらに,完成第一のローカライゼーションとボール中心のセマンティックグラウンドニングを組み合わせた因果2段階のフレームワークを提案し,観察されたストリームから完全なイベントを識別し,コメント生成のためのシーン,イベント,アイデンティティ,アクションキューを整理する。
NBA_Streamingでは、既存のベースラインがオンラインのタイミング、事実的根拠、きめ細かい説明に苦戦している。
残るギャップは、NBA_Streamingをストリーミングスポーツビデオの理解と生成のための貴重なベンチマークとして強調している。
コードとデータは受理時に公開されます。
関連論文リスト
- BasketEvent: Understanding Who Did What and When in Basketball Videos [51.926771112716686]
NBAの実際の放送から算出した,選手中心のバスケットボールイベント理解データセットであるBasketEventを紹介した。
バスケットボールの動画をプレイヤーレベルのイベント予測にマッピングする,プレーヤー中心の推論フレームワークであるPlayNetを提案する。
私たちのデータ、コード、モデルは公開されます。
論文 参考訳（メタデータ） (2026-07-23T12:39:56Z) - LiveStarPro: Proactive Streaming Video Understanding with Hierarchical Memory for Long-Horizon Streams [59.485485426790966]
このLiveStarProは、長時間のストリーミング上でのプロアクティブなビデオ理解のために設計されたライブストリーミングアシスタントである。
LiveStarProは既存のメソッドを一貫して上回り、セマンティックな正確性は28.9%向上した。
そのストリーミングキーバリューキャッシュは、キャッシュなしで同じモデル上で1.58倍の推論速度を得る。
論文 参考訳（メタデータ） (2026-06-16T11:18:05Z) - BoxComm: Benchmarking Category-Aware Commentary Generation and Narration Rhythm in Boxing [9.244368483134101]
BoxCommは445のワールド・ボクシング・チャンピオンシップ・ビデオと52K以上のプロ放送の解説文からなる大規模なデータセットである。
本稿では,各文をプレイ・バイ・プレイ,戦術,文脈に分類する構造的注釈分類法を提案する。
本稿では,スポーツ解説生成に適した2つの新しい,補完的な評価手法を提案する。
論文 参考訳（メタデータ） (2026-04-06T04:56:49Z) - Towards Automatic Soccer Commentary Generation with Knowledge-Enhanced Visual Reasoning [18.388733074404403]
サッカー解説は観客のサッカーゲーム観戦体験を高める上で重要な役割を担っている。
サッカーの自動コメント生成における先行研究は、通常、匿名のライブテキストコメンタリーを生成するエンド・ツー・エンド方式を採用する。
本稿では,サッカー解説生成のための2段階モデルであるGameSightを提案する。
論文 参考訳（メタデータ） (2026-03-31T02:24:32Z) - Real-Time Generation of Game Video Commentary with Multimodal LLMs: Pause-Aware Decoding Approaches [69.57389826203699]
本研究は,文脈内プロンプトだけで,意味論的に関連性があり,良好なリアルタイムコメント生成をサポートできるかどうかを考察する。
提案手法は,1)固定区間法,2)動的区間法に基づく復号法である。
日本語と英語の競馬ゲームデータセットを用いた実験により,動的間隔に基づく復号化は,プロンプトのみを用いて,人間の発話タイミングや内容とより密に一致した注釈を生成できることが示されている。
論文 参考訳（メタデータ） (2026-03-03T06:39:04Z) - Commentary Generation for Soccer Highlights [0.0]
GOALデータセットを用いて,サッカーハイライトのコメント生成にMatchVoiceを拡張した。
元のMatchTimeの結果を再現する広範な実験を行い、セットアップを評価します。
以上の結果から,より広範なビデオ言語領域の技法を統合することで,さらなるパフォーマンス向上の必要性が示唆された。
論文 参考訳（メタデータ） (2025-08-11T01:48:37Z) - 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) - MatchTime: Towards Automatic Soccer Game Commentary Generation [52.431010585268865]
観客の視聴体験を改善するために,自動サッカーゲーム解説モデルの構築を検討する。
まず、既存のデータセットでよく見られるビデオテキストのミスアライメントを観察し、49試合のタイムスタンプを手動でアノテートする。
第2に,既存のデータセットを自動的に修正・フィルタリングするマルチモーダル時間アライメントパイプラインを提案する。
第3に、キュレートされたデータセットに基づいて、MatchVoiceという自動コメント生成モデルをトレーニングします。
論文 参考訳（メタデータ） (2024-06-26T17:57:25Z) - Knowledge Guided Entity-aware Video Captioning and A Basketball
Benchmark [49.54265459763042]
バスケットボールゲーム知識グラフ(KG_NBA_2022)を構築し,ビデオ以外の知識を提供する。
そして、KG_NBA_2022に基づいて、9種類のきめ細かいシューティングイベントと286人のプレイヤーの知識を含むデータセットを構築する。
バスケットボールのライブテキスト放送のためのエンコーダデコーダ形式の候補選手リストに基づいて,知識ガイド付きエンティティ対応ビデオキャプションネットワーク(KEANet)を開発した。
論文 参考訳（メタデータ） (2024-01-25T02:08:37Z)
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。