論文の概要: Revisiting Risky Tackle Detection with Vision Transformers
- arxiv url: http://arxiv.org/abs/2609.35562v1
- Date: Mon, 28 Sep 2026 16:28:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 20:48:55.012091
- Title: Revisiting Risky Tackle Detection with Vision Transformers
- Title（参考訳）: 視覚変換器を用いたリスクタックル検出の再検討
- Abstract要約: 本論文は,アメリカンフットボールのPrac-ticeビデオにおけるリスクタックル検出に関するI 2026研究のトラック2のコンパニオンである。
オリジナルの作品は、SATT-3ルーブリックとラベル付けされた753のクリップにビデオビジョントランスフォーマー(ViViT)を微調整した。
拡張がなければ、ViViTは0.545の危険なリコールに達し、0.583のC3Dベースラインを超えない。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper is a Track 2 reproducibility companion to an ICPR 2026 study on risky tackle detection in American football prac- tice videos. The original work fine-tuned a Video Vision Transformer (ViViT) on 733 clips labeled with the SATT-3 rubric. It used focal loss, Taguchi L18 augmentation, and 5-fold cross-validation. It reported risky- class recall of 0.67 and risky-class F1 of 0.59. This companion documents the released artifact and traces those numbers to specific scripts, fold out- puts, and aggregation files. The reproduced headline is run_15. It com- bines Gaussian noise with static brightness decrease and uses no rotation and no flip. Its fold-mean risky recall is 0.667 and its fold-mean risky F1 is 0.588. These values match the published headline after rounding. The ablation shows that brightness is the dominant factor. Its risky-recall main-effect range is 0.055, which is larger than the ranges for rotation, flip, and noise. Without augmentation, ViViT reaches risky recall of 0.545 and does not exceed the C3D baseline of 0.583. The raw clips show iden- tifiable student athletes, so they cannot be redistributed. The artifact provides a public sample for pipeline checks and a controlled route for full-data review.
- Abstract（参考訳）: 本稿ではICPR 2026によるアメリカンフットボールのラッチ・タイトビデオにおけるリスクタックル検出のトラック2再現性について述べる。
オリジナルの作品は、SATT-3ルーブリックとラベル付けされた753のクリップにビデオビジョントランスフォーマー(ViViT)を微調整した。
焦点損失、田口L18増強、5倍のクロスバリデーションが使用された。
リスク・クラスリコールは0.67、リスク・クラスF1は0.59であった。
このコンパニオンは、リリースされたアーティファクトをドキュメント化し、それらの数を特定のスクリプト、折りたたみアウトプット、アグリゲーションファイルにトレースする。
再生された見出しはrun_15である。
静止輝度のガウスノイズは2倍に減少し、回転もフリップも使用しない。
フォールド平均リスクリコールは0.667、フォールド平均リスクリコールは0.588である。
これらの値は、ラウンド後の発行された見出しと一致します。
アブレーションは明るさが支配的な要因であることを示している。
メインエフェクト範囲は0.055で、回転、フリップ、ノイズのレンジよりも大きい。
拡張がなければ、ViViTは0.545の危険なリコールに達し、0.583のC3Dベースラインを超えない。
生のクリップには識別可能な学生アスリートが写っており、再配布はできない。
このアーティファクトは、パイプラインチェックのための公開サンプルと、完全なデータレビューのための制御されたルートを提供する。
関連論文リスト
- Not All Relations Are Equal: Relation-Balanced and Calibrated Graph Learning for Provenance-Based Intrusion Detection [69.06648810271712]
本稿では,関係バランスの取れたグラフ学習を用いた教師なしフレームワークRECALについて述べる。
3つのDARPA E3データセットにおいて、RECALはF1スコアの99.99%、99.93%、99.99%を達成し、各データセットでそれぞれ0.88、0.82、0.42で最高のベースラインを上回っている。
論文 参考訳（メタデータ） (2026-09-15T00:31:01Z) - The Low Frequency Trap: Video Language Models Fail at Simple Event Bookkeeping [70.07961857926377]
3つの制御されたビデオタスクにおけるイベントカウントのためのトレーサグラウンドパラメトリックプロファイリングを導入する。
2,190本のビデオでは,レンダリングを保ちながらイベントカウントNと周波数Fが異なる。
80%の信頼性しきい値において、Gemini 3.6 Flashは、0.5Hzと1.0Hzの12イベントまでの永続的な状態遷移を確実にカウントするが、過渡的点滅イベントに対する信頼性の高い正カウント領域は示さない。
論文 参考訳（メタデータ） (2026-08-06T17:57:06Z) - Support Operation Factorization: Compositional Readout of Frozen Vision Encoders under Controlled Interventions [87.95757610455173]
我々は、x演算グリッドとSO-OPFをサポートするために、インジェクティブに整合した残余セルアウトプロトコルを導入する。
グリッドが分かっているときにキャリアがホールドアウトバインディングを構成するかどうか、フラットなセルラベルからグリッドを回収できるかどうかという2つの質問を分離する。
論文 参考訳（メタデータ） (2026-08-06T15:38:55Z) - What Does 99% Accuracy Measure? A Reproducible Audit of Shortcut Learning in a Widely Used Fake News Corpus [0.0]
ISOT/Kaggle "Fake and Real News"コーパスで訓練されたテキスト分類器は、常に精度を報告し、F1は0.98以上である。
コーパスを3つのリークチャネルと2つの分散シフトプロトコルに沿って監査し、すべてのコードと派生番号を解放する。
3つのモデルはいずれも最寄りのランキング(ROC-AUC 0.54-0.57)に落ち、最下位のベースラインには勝っていない。
論文 参考訳（メタデータ） (2026-07-26T11:00:45Z) - Benchmarking the Robustness of Autonomous Driving to Environmental Illusions: A Lane Perception Perspective [76.02772556944073]
環境錯覚は自然に存在するが、現実の運転環境では見過ごされている現象である。
視覚的知覚を妨害し、シーンの誤解を招き、自動運転システムに深刻な安全リスクをもたらす。
最初のベンチマークであるLanEvil++を導入し、環境錯覚下での車線知覚の堅牢性を評価する。
論文 参考訳（メタデータ） (2026-07-07T03:15:00Z) - A global predicted-fMRI drive signal from TRIBE does not predict YouTube replay heatmaps [0.0]
マルチモーダル脳エンコーディングモデルは、自然なビデオに対するfMRI応答を高精度に予測する。
TRIBEを48本のYouTubeビデオで実行し、秒単位のエンゲージメント曲線に対する予測された皮質反応を削減します。
TRIBEの入力ストリームでプローブを実行すると、少なくとも小さな境界線視覚ストリーム信号が明らかになる。
我々は、YouTubeのSABRストリーミングに堅牢なコード、ビデオIDマニフェスト、ヒートマップ取得方法をリリースする。
論文 参考訳（メタデータ） (2026-07-01T19:03:17Z) - An Open-Source Two-Stage Computer Vision Pipeline for Fine-Grained Vehicle Classification using Vision Transformers [0.0]
車両のボディタイプは、クラッシュを乗り越える際のサイクリストの重傷の重症度を決定づける重要な要因であるが、車両を分類するための自動ツールがオープンな文献には存在しない。
本稿では、未学習のRT-DETR検出器と微調整の視覚変換器を組み合わせたオープンソースの2段コンピュータビジョンパイプラインを提案する。
信頼に基づく棄権機構は、ソフトマックス出力が0.60未満になるとステージ2の予測を保ち、無音の誤分類ではなく未知のラベルを生成する。
論文 参考訳（メタデータ） (2026-06-03T17:53:33Z) - PaSBench-Video: A Streaming Video Benchmark for Proactive Safety Warning [54.70033525672316]
ビデオ対応の大型言語モデル(MLLM)は、このウィンドウ内で警告を発する常時オンの安全モニタとして機能する。
今回紹介するPaSBench-Videoは、481のリスクと4つのドメインにわたる259のリスクビデオを備えた740のビデオベンチマークだ。
最も厳密な基準ではモデルが20.0%を超えることはなく、リコールは偽陽性率と強く結びついている。
論文 参考訳（メタデータ） (2026-06-01T16:14:01Z) - Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
テキスト検出器は、事前訓練された典型軸を増幅する。
タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。
RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
論文 参考訳（メタデータ） (2026-05-20T19:08:38Z) - ViTs for Action Classification in Videos: An Approach to Risky Tackle Detection in American Football Practice Videos [0.5046831208137846]
本稿では,アメリカンフットボールの練習ビデオにおける危険なタックルを検出する方法を提案する。
我々の研究には、733個のシングルアスリート・ダミータックル・クリップが含まれており、それぞれが1点接触の周囲に時間的に局在している。
不均衡学習を用いたビジョントランスフォーマーモデルを用いて,0.67のリスクリコールと0.59のリスクF1のリスクリコールを得る。
論文 参考訳（メタデータ） (2026-04-01T18:43:56Z)
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。