A Graph-Based Method for Soccer Action Spotting Using Unsupervised Player Classification

要約

サッカー ビデオのアクション スポッティングは、ゲームの特定の重要なアクションが発生する特定の時間を特定するタスクです。
最近、大きな注目を集めており、強力なメソッドが導入されています。
アクション スポッティングには、ゲームのダイナミクス、イベントの複雑さ、およびビデオ シーケンスのバリエーションを理解することが含まれます。
彼らのモデルがシーケンスのグローバルな視覚的特徴を利用することを考えると、ほとんどのアプローチは後者に焦点を当ててきました。
この作業では、(a) プレーヤー、レフェリー、ゴールキーパーを特定してグラフのノードとして表現し、(b) それらの一時的な相互作用を一連のグラフとしてモデル化することによって、前者に焦点を当てます。
プレーヤーの識別またはプレーヤーの分類タスクでは、注釈付きベンチマークで 97.72% の精度が得られます。
アクション スポッティング タスクでは、他の視聴覚モダリティと組み合わせることで、57.83% の平均 mAP の全体的なパフォーマンスが得られます。
このパフォーマンスは、同様のグラフベースの方法を上回り、負荷の高い計算方法と競合する結果をもたらします。
コードとデータは https://github.com/IPCV/soccer_action_spotting で入手できます。

要約(オリジナル)

Action spotting in soccer videos is the task of identifying the specific time when a certain key action of the game occurs. Lately, it has received a large amount of attention and powerful methods have been introduced. Action spotting involves understanding the dynamics of the game, the complexity of events, and the variation of video sequences. Most approaches have focused on the latter, given that their models exploit the global visual features of the sequences. In this work, we focus on the former by (a) identifying and representing the players, referees, and goalkeepers as nodes in a graph, and by (b) modeling their temporal interactions as sequences of graphs. For the player identification, or player classification task, we obtain an accuracy of 97.72% in our annotated benchmark. For the action spotting task, our method obtains an overall performance of 57.83% average-mAP by combining it with other audiovisual modalities. This performance surpasses similar graph-based methods and has competitive results with heavy computing methods. Code and data are available at https://github.com/IPCV/soccer_action_spotting.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google