文献

J-GLOBAL ID：202002225585284896   整理番号：20A0287186

非構造化スポーツビデオにおける事象検出のための教師なし時間特徴集約【JST・京大機械翻訳】

Unsupervised Temporal Feature Aggregation for Event Detection in Unstructured Sports Videos

著者 (10件)： Chaudhury Subhajit (IBM Research AI) ,  Ozaki Hiroki (Japan Institute of Sports Sciences) ,  Kimura Daiki (IBM Research AI) ,  Vinayavekhin Phongtharin (IBM Research AI) ,  Munawar Asim (IBM Research AI) ,  Tachibana Ryuki (IBM Research AI) ,  Ito Koji (Japan Institute of Sports Sciences) ,  Inaba Yuki (Japan Institute of Sports Sciences) ,  Matsumoto Minoru (Japan Institute of Sports Sciences) ,  Kidokoro Shuji (Japan Institute of Sports Sciences)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ISM  ページ： 9-97  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 画像に基づくスポーツ分析は,人間の専門家のための分析プロセスをスピードアップするために,ゲームにおけるキーイベントの自動検索を可能にする。しかし,ほとんどの既存の方法は,捕捉姿勢において最小の変動性を有する直線的で固定されたカメラを有する構造化テレビジョン放送ビデオデータセットに焦点を合わせている。本論文では,任意のカメラ角度を持つ非構造化環境に対するスポーツビデオにおけるイベント検出の事例を研究した。構造化から非構造化ビデオ解析への遷移は,著者らの論文で取り組む複数の課題を生み出す。具体的には,2つの主要な問題を同定し,解決した。すなわち,非構造化設定におけるプレイヤーの教師なし同定と,任意のシューティング角度による変動を姿勢化するための訓練モデルの一般化である。最初の問題に対して,著者らは,弱い発見的採点法をブースティングすることによって,高いプレーヤ検索精度を得るために,人物再同定特徴を用いた時間的特徴集約アルゴリズムを提案した。さらに,訓練サンプルの出現におけるバイアスを低減するために,マルチモーダル画像変換モデルに基づくデータ拡張技術を提案した。実験評価により,提案した方法は,傾斜角ビデオに対して,0.78から0.86へのプレーヤ検索の精度を改善することを示した。さらに,提案した再生器レベルの特徴を用いて,全体的フレームレベルの特徴の場合に,0.79からテーブルテニスビデオにおけるral検出のためのF1スコアの改善を得た。https://ibm.biz/BdzeZAにおける補足的なビデオサブミッションを見た。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： カメラ ,  集中化 ,  *録画装置 ,  アルゴリズム ,  テニス ,  傾斜角 ,  テレビジョン放送 ,  捕獲 ,  ゲーム ,  スポーツ ,  実験評価
準シソーラス用語： 検索精度 ,  ブースティング ,  プレイヤ ,  *イベント検出 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 構造化 ,  スポーツ ,  ビデオ ,  事象検出 ,  教師 ,  集約