論文の概要: CAS-FD: Contact-Aware Temporal Sampling for Single-View Foul vs Dive Recognition

• arxiv url: http://arxiv.org/abs/2608.17060v1
• Date: Mon, 17 Aug 2026 19:06:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 21:40:53.11166
• Title: CAS-FD: Contact-Aware Temporal Sampling for Single-View Foul vs Dive Recognition
• Title（参考訳）: CAS-FD:シングルビューファウル対ダイブ認識のためのコンタクト対応テンポラルサンプリング
• Abstract要約: バランスの取れた600クリップの単一ビューFoul/Diveデータセットを導入します。 物理的接触点付近のモデルに注意を集中させる接触認識サンプリングは,認識を著しく向上させることを示す。
• 参考スコア（独自算出の注目度）: 2.6686511750004915
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Distinguishing a genuine foul from a simulated dive in football remains one of the sport's most contested fine-grained recognition problems, especially when such decisions have to be from a single broadcast view without multi-view camera angle. We introduce a balanced 600-clip single-view Foul/Dive dataset and show that contact-aware sampling concentrating the model's attention around the moment of physical contact rather than treating all frames equally yields substantially improved recognition of this contact- specific problem. The proposed approach achieves 86.0% accuracy and macro-F1 0.860 on the held-out test split, a 12 percentage- point gain over contact-unaware alternatives that grows further on unseen data. We also evaluate each pipeline component against human annotations, establishing where and why the system suc- ceeds and fails. The result is a documented dataset, a reproducible single-view pipeline, and a grounded evaluation framework for fine-grained contact-event recognition in broadcast football footage. The dataset and code are available at https://github.com/hossain- tamim/contact-aware-dive.
• Abstract（参考訳）: サッカーでの模擬潜水からの本物のファウルの排除は、特にマルチビューカメラアングルのない単一の放送ビューで行う必要がある場合において、スポーツで最も難解な微粒化認識問題の1つとして残されている。 バランスの取れた600クリップの単一ビューFoul/Diveデータセットを導入し、全てのフレームを等しく扱うのではなく、物理的接触の瞬間にモデルの注意を集中させる接触認識サンプリングが、この接触固有の問題の認識を大幅に改善することを示す。 提案手法はホールドアウトテストスプリットにおいて86.0%の精度とマクロF1 0.860を達成し,不明瞭なデータでさらに増大する接触非認識代替よりも12ポイント向上した。 また、各パイプラインコンポーネントを人間のアノテーションに対して評価し、システムがスクラッド状態になり失敗する場所と理由を特定します。 その結果,放送されたサッカー映像において,文書化されたデータセット,再現可能な単一ビューパイプライン,微粒な接触物体認識のための基礎的評価フレームワークが得られた。 データセットとコードはhttps://github.com/hossain- tamim/contact-aware-dive.comで公開されている。

関連論文リスト

• Knowledge-Guided Multimodal Reasoning over Interacting Streams for Video-Level Ambivalence and Hesitancy Recognition [0.9297355862757838]
  PRISM-AHはA/Hを時間とともに展開するマルチモーダルコンフリクトとして扱うフレームワークである。 知識誘導型大規模言語モデルは、データセットの専門的な分類法を用いて、構造化された証拠を理由づける。 525ビデオのラベル付き公開テストパーティションでは、PRISM-AHは0.2827のゼロショットベースラインと比較して0.6133のマクロF1を達成する。
  論文  参考訳（メタデータ） (2026-07-28T16:44:38Z)
• GRAZE: Grounded Refinement and Motion-Aware Zero-Shot Event Localization [0.4306143768014156]
  ラベル付きタックルトリミングの例を必要としないFPOCローカライゼーションのためのトレーニングフリーパイプラインを提案する。 738のタックル・プラクティス・ビデオでは、GRAZEは97.4%のクリップの有効出力を生成し、全クリップの77.5%と全クリップの82.7%で$pm$10フレームと$pm$20フレームでFPOCをローカライズする。
  論文  参考訳（メタデータ） (2026-04-01T20:41:58Z)
• Diffusion-based Inverse Model of a Distributed Tactile Sensor for Object Pose Estimation [45.95486121114164]
  我々は,デノナイズ拡散を用いた逆触覚センサモデルを学習し,触覚データを効率的に活用してポーズ推定を行う。 このモデルは、分布した触覚センサからの触覚観測に基づいて調整され、幾何学的センサーモデルを用いてシミュレーションで訓練される。 オンラインポーズ推定では,提案手法を用いて逆モデルと粒子フィルタを統合する。
  論文  参考訳（メタデータ） (2026-01-19T17:36:28Z)
• Crucial-Diff: A Unified Diffusion Model for Crucial Image and Annotation Synthesis in Data-scarce Scenarios [65.97836905826145]
  医療、産業、自動運転といったさまざまなシナリオにおけるデータの不足は、モデルの過度な適合とデータセットの不均衡につながる。 重要なサンプルを合成するドメインに依存しないフレームワークであるCrucial-Diffを提案する。 我々のフレームワークは多様な高品質なトレーニングデータを生成し、ピクセルレベルのAPは83.63%、F1-MAXは78.12%である。
  論文  参考訳（メタデータ） (2025-07-14T04:41:38Z)
• 8-Calves Image dataset [0.8233028449337972]
  マルチアニマル検出、追跡、識別のための挑戦的なベンチマークである8-Calvesデータセットを紹介した。 バーに8匹のホルスタイン・フリーズ人の子牛の1時間のビデオが映し出され、頻繁にオクルージョン、動きのぼやけ、さまざまなポーズが収められている。 微調整されたYOLOv8検出器とByteTrackを使った半きめのパイプラインと手作業による修正により、537,000以上のバウンディングボックスと時間的アイデンティティラベルが提供される。
  論文  参考訳（メタデータ） (2025-03-17T23:47:52Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Deep Ensemble Learning with Frame Skipping for Face Anti-Spoofing [5.543184872682789]
  顔提示攻撃 (PA) は生体認証システムに重大な脅威をもたらす。 連続するビデオフレームにおける顔の動きを解析するいくつかのビデオベース手法が文献で紹介されている。 本稿では,顔のアンチスプーフ処理を動作予測問題として言い換え,フレームスキッピング機構を備えた深層アンサンブル学習モデルを提案する。
  論文  参考訳（メタデータ） (2023-07-06T08:50:29Z)
• Perception Test: A Diagnostic Benchmark for Multimodal Video Models [78.64546291816117]
  本稿では,事前学習したマルチモーダルモデルの知覚と推論能力を評価するために,新しいマルチモーダルビデオベンチマークを提案する。 知覚テストは、スキル(記憶、抽象化、物理学、セマンティックス)と、ビデオ、オーディオ、テキストモダリティ間の推論(記述的、説明的、予測的、反ファクト的)のタイプに焦点を当てている。 このベンチマークは、ゼロショット/少数ショットまたは限定的な微調整方式で、転送機能の事前訓練されたモデルを探索する。
  論文  参考訳（メタデータ） (2023-05-23T07:54:37Z)
• Unsupervised Person Re-Identification with Wireless Positioning under Weak Scene Labeling [131.18390399368997]
  本稿では、弱いシーンラベリングの下で、視覚データと無線位置決めトラジェクトリの両方を用いて、教師なしの人物再識別を探索することを提案する。 具体的には、視覚データと無線情報の相補性をモデル化した、新しい教師なしマルチモーダルトレーニングフレームワーク(UMTF)を提案する。 我々のUMTFには、MMDA(Multimodal Data Association Strategy)とMMGN(Multimodal Graph Neural Network)が含まれている。
  論文  参考訳（メタデータ） (2021-10-29T08:25:44Z)
• Reliable Shot Identification for Complex Event Detection via Visual-Semantic Embedding [72.9370352430965]
  本稿では,映像中の事象検出のための視覚的意味的誘導損失法を提案する。 カリキュラム学習に動機付け,高い信頼性の事例で分類器の訓練を開始するために,負の弾性正規化項を導入する。 提案する非ネット正規化問題の解法として,代替最適化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-10-12T11:46:56Z)
• Video-based Person Re-identification without Bells and Whistles [49.51670583977911]
  ビデオベースの人物再識別(Re-ID)は、異なるカメラの下で歩行者を特定するために、ビデオトラッカーとトリミングされたビデオフレームをマッチングすることを目的としている。 従来の方法による不完全な検出と追跡の結果から, 収穫したトラックレットの空間的, 時間的不整合が生じている。 本稿では,深層学習に基づくトラックレットの検出と追跡を適用することで,これらの予期せぬノイズを効果的に低減できる簡易な再検出リンク(DL)モジュールを提案する。
  論文  参考訳（メタデータ） (2021-05-22T10:17:38Z)

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。