論文の概要: A Top-Down Framework for Metric-Scale Athlete Localization from Single Broadcast Frames

• arxiv url: http://arxiv.org/abs/2609.02705v1
• Date: Wed, 02 Sep 2026 15:07:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.444225
• Title: A Top-Down Framework for Metric-Scale Athlete Localization from Single Broadcast Frames
• Title（参考訳）: シングルブロードキャストフレームからのメートルスケール選手位置定位のためのトップダウンフレームワーク
• Abstract要約: 一つのフレームから距離スケールのアスリートのローカライゼーションを行うためのトップダウンフレームワークを提案する。 Boundary-Aware Adaptive Tilingは境界分割アーティファクトを緩和する。 第2に、RTMPose-Xアーキテクチャを特殊な2キーポイント推定器に適応させる。 第3に, カメラキャリブレーションによる2次元地上投影を世界座標に決定的に引き上げる。
• 参考スコア（独自算出の注目度）: 8.167255229937995
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate world-coordinate localization of athletes from single-frame broadcast footage is inherently challenging due to extreme scale disparities in ultra-high-resolution imagery. In this paper, we propose a top-down framework for metric-scale athlete localization from a single calibrated frame. Our approach centers on three key contributions. First, we propose Boundary-Aware Adaptive Tiling, a semantics-guided extension of standard sliced inference. By iteratively expanding tile boundaries based on coarse bounding-box predictions, it systematically ensures full object containment, effectively mitigating boundary-splitting artifacts through a lightweight pipeline adaptation without architectural modifications. By substantially mitigating recall degradation under extreme scale variance, Boundary-Aware Adaptive Tiling enables us to isolate perspective distortion as the primary source of residual localization error. Second, we adapt the RTMPose-X architecture into a specialized two-keypoint estimator (pelvis and ground projection), employing a reformulated Gated Attention Unit optimized for this geometrically coupled point pair, and then deterministically lift the 2D ground projections into world coordinates via camera-calibrated ray casting. On the public test set, our method achieves a LocSim score of 97.44 and an mAP of 0.9128, outperforming the baseline by over 21 \% and establishing a robust solution for high-resolution scale variance.
• Abstract（参考訳）: 単一フレームの放送映像からのアスリートの正確な位置調整は、超高解像度画像における極端に大きな差があるため、本質的に困難である。 本稿では,1つのキャリブレーションフレームから,メートルスケールアスリートのローカライゼーションを行うためのトップダウンフレームワークを提案する。 当社のアプローチは,3つの重要なコントリビューションを中心にしています。 まず、標準的なスライス推論のセマンティクス誘導拡張である境界認識適応型タイリングを提案する。 粗いバウンディングボックス予測に基づいてタイル境界を反復的に拡張することにより、完全なオブジェクトの保持を体系的に保証し、アーキテクチャ変更なしに軽量パイプライン適応を通じて境界分割アーティファクトを効果的に緩和する。 極端スケールの分散下でのリコール劣化を実質的に緩和することにより、境界認識適応型タイリングは、視点歪みを残留局所化誤差の一次源として分離することができる。 第2に、RTMPose-Xアーキテクチャを特殊な2鍵点推定器(骨盤と地面投影)に適応させ、この幾何学的に結合された点対に最適化されたGated Attention Unitを用いて、2次元の地上投影をカメラキャリブレーションによる世界座標に決定的に引き上げる。 公試では,LocSimスコア97.44とmAP0.9128を達成し,ベースラインを21%以上上回り,高分解能スケール分散のための堅牢な解を確立した。

関連論文リスト

• ARC-Loc: Leveraging Azimuthal Ray Convergence as a Geometric Cue for Direct Cross-View Localization [9.245490956012633]
  クロスビュー・ローカライゼーション(CVL)は、地上画像とジオレファレンス衛星画像とのマッチングにより、地上画像のポーズを推定する。 衛星画像のマッチングと位置決めを外部の深度基礎モデルに頼らずに直接行うことができるリセクションと呼ばれる人間のナビゲーション技術に着想を得たアプローチを提案する。
  論文  参考訳（メタデータ） (2026-09-04T10:19:37Z)
• FoundationGeo: Learning Spatial Pixel-Wise Fields for Monocular Metric Geometry [52.232826445242644]
  FoundationGeoは空間キャリブレーションと原則データ設計による相対的および計量的予測を橋渡しする。 ステージ1は DINOv3 で初期化することで高忠実なアフィン不変幾何モデルを学ぶ。 ステージ2は、メートル法推定のためのピクセルワイドキャリブレーションフィールドを導入することで、グローバルなスケーリングを越えている。
  論文  参考訳（メタデータ） (2026-07-13T14:10:01Z)
• Native-Domain Cross-Attention for Camera-LiDAR Extrinsic Calibration Under Large Initial Perturbations [15.420997609418421]
  既存の学習ベースの手法は、通常、LiDARの点を特徴融合のための深度マップに投影する。 本稿では,画像パッチとLiDARポイントグループを直接ネイティブドメインにアライメントする,外部認識型クロスアテンションフレームワークを提案する。 提案手法は,KITTI症例の88%,nuScenes症例の99%において精度の高い校正が可能であり,第2次ベースラインをはるかに上回っている。
  論文  参考訳（メタデータ） (2026-03-31T08:19:16Z)
• Any Resolution Any Geometry: From Multi-View To Multi-Patch [46.8276232687626]
  Ultra Resolution Geometry Transformer (URGT) は、VGGT (Visual Geometry Grounded Transformer) をモノクル高分解能深度正規推定のための統一マルチパッチトランスに適合させる。 1つの高解像度画像は、事前訓練されたモデルから粗い深さと通常の先行値で拡張されたパッチに分割され、1つの前方通過で共同処理され、洗練された幾何出力を予測する。 提案手法はUnrealStereo4Kの最先端化を実現し,AbsRelを0.0582から0.0291に,RMSEを2.17から1.3に削減する。
  論文  参考訳（メタデータ） (2026-03-03T14:18:24Z)
• Improving Gaussian Splatting with Localized Points Management [52.009874685460694]
  局所的点管理(LPM)は、点加算と幾何校正の両方を最大限に必要としながら、これらの誤り貢献ゾーンを特定することができる。 LPMは特定されたゾーンに点密度を適用し、これらの領域の前にある点の不透明度をリセットし、不適切な点を修正する新しい機会を生み出す。 特に、LPMは静的3DGSとダイナミックなSpaceTimeGSの両方を改善して、リアルタイム速度を維持しながら最先端のレンダリング品質を実現している。
  論文  参考訳（メタデータ） (2024-06-06T16:55:07Z)
• SGFormer: Spherical Geometry Transformer for 360 Depth Estimation [52.23806040289676]
  パノラマ歪みは360度深度推定において大きな課題となる。 本稿では,SGFormer という球面形状変換器を提案し,上記の問題に対処する。 また、様々な解像度で空間構造を補うために、クエリベースの大域的条件位置埋め込みを提案する。
  論文  参考訳（メタデータ） (2024-04-23T12:36:24Z)
• Vanishing Point Estimation in Uncalibrated Images with Prior Gravity Direction [82.72686460985297]
  我々はマンハッタンのフレームを推定する問題に取り組む。 2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。 また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
  論文  参考訳（メタデータ） (2023-08-21T13:03:25Z)
• Disentangling Orthogonal Planes for Indoor Panoramic Room Layout Estimation with Cross-Scale Distortion Awareness [38.096482841789275]
  複素シーンから平面を前分割することで1次元表現を解き放つことを提案する。 床の境界と天井の境界の対称性を考えると,ソフトフリップ融合戦略も設計する。 4つの人気のあるベンチマークの実験は、既存のSoTAソリューションよりも優れていることを示している。
  論文  参考訳（メタデータ） (2023-03-02T05:10:23Z)
• Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
  視覚SLAMシステムのための新しい最適化バックボーンを提案する。 従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。 我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
  論文  参考訳（メタデータ） (2020-11-02T18:02:26Z)

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。