論文の概要: Explaining Basketball Shot Classifications with Grad-CAM: An Investigation of Shortcut Reliance with Spatiotemporal Correlations

• arxiv url: http://arxiv.org/abs/2610.33263v1
• Date: Fri, 23 Oct 2026 20:15:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.285627
• Title: Explaining Basketball Shot Classifications with Grad-CAM: An Investigation of Shortcut Reliance with Spatiotemporal Correlations
• Title（参考訳）: Grad-CAMを用いたバスケットボールショットの分類:時空間相関によるショートカット信頼性の検討
• Abstract要約: バスケットボールの認識は、専門的なコーチングのようなタスクを知らせるために、ハイテイクなシナリオで使用される。 本稿では,バスケットボールデータセット上でトレーニングされたR(2+1)D-18モデルが,スプリアス相関に依存していることを示す。
• 参考スコア（独自算出の注目度）: 0.9821874476902969
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Basketball action recognition is used in high-stakes scenarios to inform such tasks as specialized coaching, yet the evidence used by its deep-learning models is poorly understood. This paper investigates whether there is evidence that an R(2+1)D-18 model trained on the Basketball-51 dataset relies on spurious spatiotemporal correlations when classifying basketball shot outcomes. Gradient-weighted Class Activation Mapping (Grad-CAM) was used to generate spatiotemporal saliency maps, whose faithfulness was evaluated by progressively blurring the most salient pixels. Twenty saliency maps were then visually reviewed for recurring salient regions. Grad-CAM highlighted spatially central regions of clips including the shooter, net, and occasionally the courtside crowd. Blurring interventions were conducted to support these patterns. Blurring the central region resulted in an accuracy of 43.7%, compared to the original test accuracy of 69.3% and random-blurred accuracy of 50.9%. The additional 7.2 percentage-point reduction from central blurring compared to random blurring suggests that the model relies on task-relevant visual regions; this highlights the need for continual audits to ensure trustworthy, equitable sports analytics.
• Abstract（参考訳）: バスケットボールのアクション認識は、専門的なコーチングのようなタスクを伝えるために、高度なシナリオで使用されるが、ディープラーニングモデルで使われる証拠は理解されていない。 本稿では,バスケットボールシュート結果の分類において,バスケットボール-51データセットを用いたR(2+1)D-18モデルが突発的時空間相関に依存していることを示す。 勾配重み付きクラス活性化マッピング (Grad-CAM) を用いて時空間の鮮度マップを生成し, 最も鮮度の高いピクセルを徐々にぼかし, 忠実度を評価した。 その後、20のサリエンシマップを視覚的にレビューし、サリエント地域を再現した。 Grad-CAMは、シューター、ネット、時にはコートサイドの群衆など、空間的に中心的なクリップの領域を強調した。 これらのパターンを支援するためにブラッシングの介入が行われた。 中央領域をブラッシングすると43.7%の精度が得られたが、元々のテスト精度は69.3%、ランダムブルーの精度は50.9%だった。 集中的ぼかしからランダムなぼかしに対する7.2ポイントの削減は、このモデルがタスク関連視覚領域に依存していることを示唆している。

関連論文リスト

• SpaceCast-Bench: Evaluating Predictive Spatial Reasoning in Vision-Language Models [55.56557714314683]
  空間推論を直接的かつ診断的に評価する最初のベンチマークであるSpaceCastBenchを紹介する。 182の現実世界シーンからの質問は、静的認識、局所予測、グローバル予測という3つのレベルで16のタスクタイプにまたがる。 制御された解析により、ブリッジビューは分散観測の統合に重要であることが明らかになった。
  論文  参考訳（メタデータ） (2026-10-08T17:44:17Z)
• REALHOP: Rethinking Multi-Hop Reasoning Evaluation via Behavioral Auditing [5.539696241335989]
  概念的にコヒーレントな連鎖と正しい最終解は、それ自体がマルチホップ推論を確立するわけではないことを示す。 本稿では、エンティティをリボンドし、選択された関係を分解し、追跡可能な場所に証拠を配置する診断・構成・検証フレームワークであるREALHOPを紹介する。
  論文  参考訳（メタデータ） (2026-09-29T08:17:42Z)
• Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
  PointArena 2026は77.2%の精度でベンチマークで2位である。 ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。 次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
  論文  参考訳（メタデータ） (2026-06-29T06:39:03Z)
• Reasoning Arena: Trace Tournaments When Verifiable Rewards Fall Short [51.667769734342635]
  検証可能な報酬付き強化学習(RLVR)は,大規模言語モデルの推論能力向上のための主要なパラダイムとなっている。 本研究では,非多変量報酬群を判定システムにルーティングする適応学習フレームワークであるReasoning Arenaを提案する。 我々は、Reasoning Arenaが、競争数学やコーディングベンチマークにおいて、RLVRベースラインを平均で7.6%上回っていることを示す。
  論文  参考訳（メタデータ） (2026-06-08T11:57:17Z)
• Beyond False Stability: High-Noise Drift Gating for Test-Time Adversarial Defenses in Vision-Language Models [37.24612885977265]
  CLIPのような視覚言語モデル(VLM)は、強いゼロショットの一般化を示すが、敵攻撃に対して非常に脆弱である。 最近のアプローチでは、CLIPの視覚的表現が摂動にどのように反応するかを利用する。 軽量ゲーティング信号として高雑音特徴ドリフトを用いた学習自由なプラグインドリフトゲート機構を提案する。
  論文  参考訳（メタデータ） (2026-06-02T14:49:04Z)
• CourtMotion: Learning Event-Driven Motion Representations from Skeletal Data for Basketball [45.88028371034407]
  CourtMotionはプロバスケットボールにおけるゲームイベントやプレーの分析と予測のためのテンポラリなモデリングフレームワークである。 2段階のアプローチでは、まず、グラフニューラルネットワークを通じて骨格追跡データを処理し、ニュアンスした動きパターンをキャプチャします。 選手の動きを、パス、ショット、ステルスなどのバスケットボールイベントに明示的に結びつけるイベントプロジェクションヘッドを導入し、物理的な動きパターンと目的を関連付けるためにモデルを訓練する。
  論文  参考訳（メタデータ） (2025-12-01T09:58:24Z)
• MOODv2: Masked Image Modeling for Out-of-Distribution Detection [57.17163962383442]
  本研究は,様々なOODスコア関数を用いて,個別の事前学習課題について検討する。 当社のフレームワークMOODv2は,14.30%のAUROCをImageNetで95.68%に向上し,CIFAR-10で99.98%を達成した。
  論文  参考訳（メタデータ） (2024-01-05T02:57:58Z)
• KaliCalib: A Framework for Basketball Court Registration [1.052782170493037]
  本稿では,MMSports 2022カメラキャリブレーションにおける新しいバスケットボールコート登録フレームワークについて述べる。 この手法は,視点制約でサンプリングされたキーポイントの位置をエンコーダ・デコーダネットワークで推定する。
  論文  参考訳（メタデータ） (2022-09-16T08:52:29Z)
• CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
  バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
  論文  参考訳（メタデータ） (2021-06-20T08:20:56Z)
• Fusing Motion Patterns and Key Visual Information for Semantic Event Recognition in Basketball Videos [87.29451470527353]
  バスケットボールビデオのセマンティックイベント認識のために,グローバル・ローカル・モーション・パターン(MP)とキー視覚情報(KVI)を融合する手法を提案する。 カメラ調整の本質的特性に基づいて, 混合運動から大域的な動きを推定するアルゴリズムを提案する。 グローバル・ローカル・モーション・パターンを分離した2ストリーム3D CNNフレームワークを用いてグループ活動認識を行う。
  論文  参考訳（メタデータ） (2020-07-13T10:15:44Z)

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。