論文の概要: One Hierarchy, Many Sports: Hierarchy-Aligned Multi-Task Learning for Next-Shot Prediction
- arxiv url: http://arxiv.org/abs/2611.15529v1
- Date: Wed, 11 Nov 2026 14:15:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.167832
- Title: One Hierarchy, Many Sports: Hierarchy-Aligned Multi-Task Learning for Next-Shot Prediction
- Title(参考訳): 階層型と多種多様なスポーツ: 次のショット予測のための階層型マルチタスク学習
- Abstract要約: ラケットスポーツの次のショット予測には、異なるマッチ構造、記録属性、ラベル語彙を持つイベントデータから学ぶ必要がある。
MT-HTAは階層型マルチタスク変換器であり、この構造を用いて次のショットの属性を共同で予測する。
- 参考スコア(独自算出の注目度): 2.7048998326468685
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Next-shot prediction in racket sports requires learning from event data with different match structures, recorded attributes, and label vocabularies. Table tennis, badminton, and tennis nevertheless share a hierarchy in which shots form rallies and rallies form higher scoring units. We present MT-HTA, a hierarchy-aligned multi-task Transformer that uses this structure to jointly predict the attributes of the next shot. A temporal Transformer captures event progression, a feature-token path models interactions among semantic fields rather than along the time axis, and task-specific attention retrieves information from hierarchical summaries and player context. The architecture supports three- and four-level hierarchies and sport-dependent task sets. Across four datasets from three sports, the final MT-HTA achieves the highest mean task-averaged F1 among the compared main models. Ablations on table tennis support the combination of hierarchical encoding, task attention, and feature-token interaction. Additional modules alter the balance between classification scores and spatial error rather than improving every metric. These results support a reusable architecture for heterogeneous racket-sport event data. We release the code for reproducibility. https://github.com/gndd1221/For-Sports-event-modeling-with-rally-and-score-hierarchical-A-Multi-Task -Hierarchical-Transformer
- Abstract(参考訳): ラケットスポーツの次のショット予測には、異なるマッチ構造、記録属性、ラベル語彙を持つイベントデータから学ぶ必要がある。
テーブルテニス、バドミントン、テニスは、ショットがラリーを形成し、ラリーがより高い得点単位を形成する階層を共有している。
MT-HTAは階層型マルチタスク変換器であり、この構造を用いて次のショットの属性を共同で予測する。
時間変換器はイベント進行をキャプチャし、時間軸に沿ってではなく、セマンティックフィールド間の相互作用を特徴的パスモデルでモデル化し、タスク固有の注意は階層的な要約とプレイヤーコンテキストから情報を取得する。
このアーキテクチャは3段階と4段階の階層とスポーツ依存のタスクセットをサポートする。
3つのスポーツから得られた4つのデータセットのうち、最後のMT-HTAは、比較されたメインモデルの中で最も平均的なタスク平均F1を達成する。
テーブルテニスにおけるアブレーションは、階層的エンコーディング、タスクアテンション、特徴-トーケン相互作用の組み合わせをサポートする。
追加モジュールは、すべてのメートル法を改善するのではなく、分類スコアと空間誤差のバランスを変更する。
これらの結果は、異種ラケットスポーツイベントデータに対する再利用可能なアーキテクチャをサポートする。
再現性のためのコードをリリースします。
https://github.com/gndd1221/For-Sports-event-modeling-with-rally-and-score-hierarchical-A-Multi-Task -hierarchical-transformer
関連論文リスト
- Hierarchical Interpretable Multitask Audio Representation Learning: An Analysis of Event-Scene Relationships through the Information Bottleneck [0.9481925300137776]
本研究では,中間事象確率からシーンカテゴリを直接予測する階層的条件付けパラダイムについて検討する。
階層的条件付けは,マルチタスク最適化のダイナミクスを変化させながら,競合する分類性能を実現する。
その結果,階層的条件付けにより,低条件エントロピー,高相互情報,高遅延クラスタ分離性が得られた。
論文 参考訳(メタデータ) (2026-10-15T08:54:06Z) - Hyperbolic Residual Quantization: Discrete Representations for Data with Latent Hierarchies [48.72319569157807]
残留量子化(Residual Quantization, RQ)は階層データに対する離散的マルチトークン表現を生成するために広く用いられている。
本稿では,双曲多様体にデータを埋め込むハイパーボリック残留量子化(HRQ)を提案する。
HRQは、自然に階層的な分岐と整合する帰納的バイアスを与える。
論文 参考訳(メタデータ) (2025-05-18T13:14:07Z) - Sports-Traj: A Unified Trajectory Generation Model for Multi-Agent Movement in Sports [53.637837706712794]
任意の軌道をマスク入力として処理する統一軌道生成モデルUniTrajを提案する。
具体的には,空間特徴抽出のためのトランスフォーマーエンコーダ内に埋め込まれたゴースト空間マスキング(GSM)モジュールを紹介する。
バスケットボールU,サッカーU,サッカーUの3つの実践的スポーツデータセットをベンチマークして評価を行った。
論文 参考訳(メタデータ) (2024-05-27T22:15:23Z) - Beyond Grounding: Extracting Fine-Grained Event Hierarchies Across
Modalities [43.048896440009784]
マルチモーダル(ビデオとテキスト)データからイベント階層を抽出するタスクを提案する。
これはイベントの構造を明らかにし、それらを理解するのに不可欠である。
我々は,この課題に対して,最先端のユニモーダルベースラインとマルチモーダルベースラインの限界を示す。
論文 参考訳(メタデータ) (2022-06-14T23:24:15Z) - MGA-VQA: Multi-Granularity Alignment for Visual Question Answering [75.55108621064726]
視覚的な質問に答えることを学ぶことは、マルチモーダル入力が2つの特徴空間内にあるため、難しい作業である。
視覚質問応答タスク(MGA-VQA)のための多言語アライメントアーキテクチャを提案する。
我々のモデルはアライメントを異なるレベルに分割し、追加のデータやアノテーションを必要とせずにより良い相関関係を学習します。
論文 参考訳(メタデータ) (2022-01-25T22:30:54Z) - Modeling Heterogeneous Hierarchies with Relation-specific Hyperbolic
Cones [64.75766944882389]
知識グラフにおける複数の階層的および非階層的関係を同時にモデル化できるKG埋め込みモデルであるConE(Cone Embedding)を提案する。
特に、ConEは双曲埋め込み空間の異なる部分空間における円錐包含制約を用いて、複数の異種階層をキャプチャする。
我々のアプローチでは、WN18RRで45.3%、DDB14で16.1%の新しい最先端hits@1が得られる(0.231 MRR)。
論文 参考訳(メタデータ) (2021-10-28T07:16:08Z) - Low Resource Multi-Task Sequence Tagging -- Revisiting Dynamic
Conditional Random Fields [67.51177964010967]
異なるタスクに対するラベルシーケンス間の依存関係を利用する低リソースマルチタスクシーケンスタグの異なるモデルを比較した。
タスク予測間の相互依存性の明示的モデリングは、通常のマルチタスクモデルと同様にシングルタスクよりも優れていることがわかった。
論文 参考訳(メタデータ) (2020-05-01T07:11:34Z)
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。