論文の概要: Hierarchical Possession-Aware Graph Pointer Network for Pass Receiver Selection
- arxiv url: http://arxiv.org/abs/2609.04803v1
- Date: Fri, 04 Sep 2026 07:00:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-07 18:15:23.940196
- Title: Hierarchical Possession-Aware Graph Pointer Network for Pass Receiver Selection
- Title（参考訳）: パス受信者選択のための階層型確率対応グラフポインタネットワーク
- Abstract要約: パスレシーバーの選択はフットボールの分析における基本的な課題であり、特定のゲーム状態下で意図したレシーバーを予測することを目的としている。
可視性チームメイトに対する可変サイズ候補予測として受信者選択を通過させる階層型Possession-aware Graph Pointer Network (HPGPN)を提案する。
サッカーの公開イベントとフリーズフレームデータによる実験により,HPGPNはパスレシーバ選択性能を向上させることが示された。
- 参考スコア（独自算出の注目度）: 16.591773730415557
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Pass receiver selection is a fundamental task in football analytics, aiming to predict the intended receiver under a given game state. This task is challenging with event-centered freeze-frame observations, a broadcast-like setting that provides only partial and variable player visibility without complete trajectories or stable player identities. The model must therefore reason over anonymous visible candidates, opponent pressure, and recent context under partial observation. To address this setting, we propose a Hierarchical Possession-aware Graph Pointer Network (HPGPN), which formulates pass receiver selection as variable-size candidate prediction over visible teammates. HPGPN jointly models current player interactions, local event context, and possession-level temporal dynamics. It represents the current pass situation with a graph, incorporates fixed event context, and uses dynamic possession history to capture how the attacking sequence evolves. Candidate representations are refined hierarchically by integrating spatial, contextual, and historical evidence, and a glimpse pointer head scores the receiver candidates. Experiments on public football event and freeze-frame data show that HPGPN improves pass receiver selection performance. Ablation studies demonstrate the effectiveness of graph-based interaction modeling, fixed event context, and dual-branch dynamic possession-history modeling.
- Abstract（参考訳）: パスレシーバーの選択はフットボール解析における基本的な課題であり、特定のゲーム状態下で意図したレシーバーを予測することを目的としている。
このタスクは、完全な軌跡や安定したプレイヤー識別なしに、部分的および可変的なプレイヤーの視認性のみを提供するブロードキャストライクな設定である、イベント中心のフリーズフレーム観察において難しい。
したがって、モデルは、匿名の可視的候補、反対の圧力、そして部分的な観察の下での最近の状況について、推論しなければなりません。
そこで本研究では,可視性チームメイトに対する可変サイズ候補予測として受信者選択を補足する階層型Possession-aware Graph Pointer Network (HPGPN)を提案する。
HPGPNは、現在のプレイヤーインタラクション、ローカルイベントコンテキスト、所有レベルの時間ダイナミクスを共同でモデル化する。
グラフで現在のパス状況を表し、固定されたイベントコンテキストを取り入れ、動的保持履歴を使用して攻撃シーケンスの進化をキャプチャする。
候補表現は、空間的、文脈的、歴史的証拠を統合することで階層的に洗練され、スニースポインターヘッドがレシーバー候補をスコアする。
サッカーの公開イベントとフリーズフレームデータによる実験により,HPGPNはパスレシーバ選択性能を向上させることが示された。
アブレーション研究は、グラフベースの相互作用モデリング、固定イベントコンテキスト、二重ブランチ動的所有履歴モデリングの有効性を実証する。
関連論文リスト
- A Universal Dense Football Event Representation Based on TabTransformer [0.433313790597694]
Transformerは、入力機能間の依存関係を任意の位置にキャプチャする自己注意に基づくディープニューラルネットワークアーキテクチャである。
本稿では,トランスフォーマーモデルを用いて,カテゴリー的イベント特徴間の潜伏依存性を学習し,フットボールイベントの密度の高い表現を生成する。
論文 参考訳（メタデータ） (2026-06-08T10:47:47Z) - Evaluating passing decision-making in professional football: An enhanced MPNN approach to Receiver Selection [0.0]
この研究は、受信者選択を予測するように設計されたグラフニューラルネットワークフレームワークを導入する。
プロの試合からの追跡データとイベントデータを組み合わせて,MPNN(Message-Passing Neural Network)を開発した。
MPNNは、実際の選択された受信機を識別する際の競合精度と、その上位3つの提案の中で最先端の精度を達成する。
論文 参考訳（メタデータ） (2026-05-25T10:53:47Z) - Towards Video Anomaly Detection from Event Streams: A Baseline and Benchmark Datasets [71.53287557600177]
イベントベースの異常検出を統一研究の方向性として確立するための第一歩を踏み出す。
まず、同期イベントとRGB記録を特徴とする、ビデオ異常検出のための複数のイベントストリームベースのベンチマークを構築した。
次に,EVent中心のビデオ異常検出フレームワークであるEWADを提案する。
論文 参考訳（メタデータ） (2026-03-26T03:33:33Z) - MambaPupil: Bidirectional Selective Recurrent model for Event-based Eye tracking [50.26836546224782]
事象に基づく視線追跡は、高時間分解能と低冗長性で非常に有望である。
点眼、固定、ササード、スムーズな追跡を含む眼球運動パターンの多様性と急激さは、眼球運動の局所化に重要な課題を提起する。
本稿では、文脈時空間情報を完全に活用するための双方向の長期シーケンスモデリングと時間変化状態選択機構を提案する。
論文 参考訳（メタデータ） (2024-04-18T11:09:25Z) - Event Detection in Football using Graph Convolutional Networks [0.0]
ビデオシーケンスの各フレームにおけるプレーヤとボールをグラフとしてモデル化する方法を示す。
本稿では,各アクションの周囲に存在する時間的コンテキストをモデル化するためのグラフ畳み込み層とプール法について述べる。
論文 参考訳（メタデータ） (2023-01-24T14:52:54Z) - A Unified Framework for Event-based Frame Interpolation with Ad-hoc Deblurring in the Wild [72.0226493284814]
本稿では,デブロリングアドホックを行うイベントベースフレームの統一フレームワークを提案する。
我々のネットワークは、フレーム上の従来の最先端の手法、単一画像のデブロアリング、および両者のジョイントタスクを一貫して上回ります。
論文 参考訳（メタデータ） (2023-01-12T18:19:00Z) - STURE: Spatial-Temporal Mutual Representation Learning for Robust Data
Association in Online Multi-Object Tracking [7.562844934117318]
提案手法は、より区別された検出とシーケンス表現を抽出することができる。
パブリックMOTチャレンジベンチマークに適用され、様々な最先端のオンラインMOTトラッカーとよく比較される。
論文 参考訳（メタデータ） (2022-01-18T08:52:40Z) - TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。
実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。
評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
論文 参考訳（メタデータ） (2021-04-08T20:01:00Z) - A Graph-based Interactive Reasoning for Human-Object Interaction
Detection [71.50535113279551]
本稿では,HOIを推論するインタラクティブグラフ(Interactive Graph, in-Graph)という,グラフに基づくインタラクティブ推論モデルを提案する。
In-GraphNet と呼ばれる HOI を検出するための新しいフレームワークを構築した。
私たちのフレームワークはエンドツーエンドのトレーニングが可能で、人間のポーズのような高価なアノテーションはありません。
論文 参考訳（メタデータ） (2020-07-14T09:29:03Z) - TAGNN: Target Attentive Graph Neural Networks for Session-based
Recommendation [66.04457457299218]
セッションベースレコメンデーションのための新しいターゲット注意グラフニューラルネットワーク(TAGNN)モデルを提案する。
TAGNNでは、ターゲット・アウェア・アテンションは、様々なターゲット項目に関して異なるユーザ関心を適応的に活性化する。
学習した関心表現ベクトルは、異なる対象項目によって変化し、モデルの表現性を大幅に改善する。
論文 参考訳（メタデータ） (2020-05-06T14:17:05Z)
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。