All Keypoints You Need: Detecting Arbitrary Keypoints on the Body of Triple, High, and Long Jump Athletes

要約

タイトル：トリプルジャンプ、ハイジャンプ、ロングジャンプ選手の体の全てのキーポイントを検出するための手法

要約：
– スポーツコーチは、動画に基づいたパフォーマンス分析をよく使用する。
– 個人競技において、この分析は主に身体の姿勢について行われる。
– この論文では、トリプルジャンプ、ハイジャンプ、ロングジャンプの競技に焦点を当て、選手の身体の詳細な位置を把握するための方法を提案する。
– 一般的な人のポーズ推定データセットでは、非常に限られた数のキーポイントしか提供されていないため、この場合には十分ではない。
– 従って、我々は、注釈付けされたキーポイントの限られたセットと自動生成されたボディパーツのセグメンテーションマスクを活用して、選手の全身に任意のキーポイントを検出する手法を提案する。
– 評価により、我々のモデルは、頭部、胴体、手、足、腕、脚、曲がった肘と膝を含むキーポイントを検出することができることが示される。
– 本論文では、モデルの入力とその埋め込みとして必要なキーポイントをエンコードするための異なる技術を分析および比較する。

要約(オリジナル)

Performance analyses based on videos are commonly used by coaches of athletes in various sports disciplines. In individual sports, these analyses mainly comprise the body posture. This paper focuses on the disciplines of triple, high, and long jump, which require fine-grained locations of the athlete’s body. Typical human pose estimation datasets provide only a very limited set of keypoints, which is not sufficient in this case. Therefore, we propose a method to detect arbitrary keypoints on the whole body of the athlete by leveraging the limited set of annotated keypoints and auto-generated segmentation masks of body parts. Evaluations show that our model is capable of detecting keypoints on the head, torso, hands, feet, arms, and legs, including also bent elbows and knees. We analyze and compare different techniques to encode desired keypoints as the model’s input and their embedding for the Transformer backbone.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI