KaliCalib: A Framework for Basketball Court Registration

要約

チームスポーツで選手とボールを追跡することは、パフォーマンスを分析したり、拡張現実で試合観戦体験を向上させたりするための鍵となります。
このデータの唯一のソースがブロードキャスト ビデオである場合、ホモグラフィを推定し、ボールまたは選手を画像空間からフィールド空間に再投影するために、スポーツ フィールド登録システムが必要になります。
このホワイト ペーパーでは、MMSports 2022 カメラ キャリブレーション チャレンジのコンテキスト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説明します。
この方法は、視点を意識した制約でサンプリングされたキーポイントの位置のエンコーダー/デコーダー ネットワークによる推定に基づいています。
バスケットの位置の回帰と大量のデータ拡張技術により、モデルはさまざまな分野で堅牢になります。
アブレーション研究は、チャレンジ テスト セットに対する当社の貢献のプラスの効果を示しています。
私たちの方法は、チャレンジのベースラインと比較して、平均二乗誤差を 4.7 で割ります。

要約(オリジナル)

Tracking the players and the ball in team sports is key to analyse the performance or to enhance the game watching experience with augmented reality. When the only sources for this data are broadcast videos, sports-field registration systems are required to estimate the homography and re-project the ball or the players from the image space to the field space. This paper describes a new basketball court registration framework in the context of the MMSports 2022 camera calibration challenge. The method is based on the estimation by an encoder-decoder network of the positions of keypoints sampled with perspective-aware constraints. The regression of the basket positions and heavy data augmentation techniques make the model robust to different arenas. Ablation studies show the positive effects of our contributions on the challenge test set. Our method divides the mean squared error by 4.7 compared to the challenge baseline.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google