「CTRL + K」で検索することもできます!
Contributorの方で「Papers」へ論文を投稿される際は → ✍️ 入力用ビュー
‣
Other
Pose Tutor: An Explainable System for Pose Correction in the Wild
CVSports 2022
Computer VisionDeep Learning
Pose Estimation
AIベースの説明可能なポーズ認識・修正システムであるPose Tutorを開発.角度尤度メカニズムにより、どの人間の関節がポーズクラス予測を最大に引き起こしたかを説明し、また、間違って形成された関節を修正するために使用
❤️
白戸豪大
Spatio-Temporal Action Detection Under Large Motion
Spatio-Temporal Action Detection Under Large Motion
WACV 2023
Computer VisionMachine LearningDeep Learning
Action RecognitionEvent Detection
モーションが大きいシーンにおけるアクション検出手法の提案.UCFとMultisportsデータセットでSOTA
❤️
Ikuma Uchida
Iterative Scale-Up ExpansionIoU and Deep Features Association for Multi-Object Tracking in Sports
Iterative Scale-Up ExpansionIoU and Deep Features Association for Multi-Object Tracking in Sports
Arxiv 2023
Computer VisionMachine LearningDeep Learning
Multi Object TrackingObject Detection
スポーツ競技のような環境でのMOT手法の提案.ExpantionIoUというアプローチを提案してtracklet
❤️
Ikuma Uchida
SportsPose – A Dynamic 3D sports pose dataset
SportsPose – A Dynamic 3D sports pose dataset
CVSports 2023
Computer VisionDeep Learning
Pose Estimation
スポーツのダイナミックな動きからなる大規模な3D人物ポーズデータセットであるSportsPoseを提案。SportsPoseは、24人の被験者が5種類のスポーツを行う際の176,000以上の3Dポーズを収録しており、スポーツ動作の複雑で動的な性質を反映した多様で包括的な3Dポーズセットを提供.
❤️
Ikuma Uchida
A Survey on Video Action Recognition in Sports: Datasets, Methods and Applications
A Survey on Video Action Recognition in Sports: Datasets, Methods and Applications
Arxiv 2022
Computer VisionMachine LearningDeep Learning
Action RecognitionEvent Detection
スポーツ分析のための映像認識手法のサーベイ.
またPaddleVideoと呼ばれるアノテーションツールも提供している.
❤️
Ikuma Uchida
Exploring Cognitive and Perceptual Judgment Processes in Gymnastics Using Essential Kinematics Information
Exploring Cognitive and Perceptual Judgment Processes in Gymnastics Using Essential Kinematics Information
Adv Cogn Psychol 2020
Sport Psychology
Statistical Model
体操の判定において、試技の運動学的なパターンと判定パフォーマンス及び視覚行動の関連について、被験者の専門性の違いを考慮して検討したもの。判定パフォーマンスにおいて、被験者の専門性の違いは見られたものの、視覚行動については差は見られなかった。
❤️
Seiji Hirosawa
The Relationship Between the Perceived Movement Quality and the Kinematic Pattern of Complex Skills in Gymnastics
The Relationship Between the Perceived Movement Quality and the Kinematic Pattern of Complex Skills in Gymnastics
J Hum Kinet 2021
Sport Psychology
Cluster analysis
体操競技の技の判定において、被験者が知覚した動きの質とその運動学的パターンとの関係、またこの関係に対する専門知識の影響を調査したもの。知覚した動きの質のパターンと運動学的パターンの関連に有意な相関はなかった。また選手(Motor experts)と審判コーチ(Visual experts)の評価、審判コーチと素人の評価には有意な相関が見られた。以上より判定者の視覚運動経験によって技の質の知覚認知結果が異なることを示唆。
❤️
Seiji Hirosawa
Exploring Visual Patterns and Judgments Predicated on Role Specificity: Case Studies of Expertise in Gymnastics
Exploring Visual Patterns and Judgments Predicated on Role Specificity: Case Studies of Expertise in Gymnastics
Curr Psychol 2018
Sport Psychology
Statistical Model
体操の技術判定において、審判・選手・コーチというバックグラウンドの違いによって判定精度と視覚行動に差があるかを検証したもの。選手は審判、コーチと比べて異なる視覚行動を示していた。判定精度は審判・コーチ・選手の順に高かったが有意差は検出できていない。
❤️
Seiji Hirosawa
Gaze Behavior of Gymnastics Judges: Where Do Experienced Judges and Gymnasts Look While Judging?
Gaze Behavior of Gymnastics Judges: Where Do Experienced Judges and Gymnasts Look While Judging?
Res Q Exerc Sport 2018
Sport Psychology
Statistical Model
所持している審判資格レベル、判定する試技が自分で実施できるかどうかによって体操競技の審判員が判定をする際にどこに着目しているかが変わるかどうかをアイトラッカーを用いて検証したもの。高い審判資格の判定精度が高いことは、特定のポイントに頻繁に着目できていることから生じているのことを示唆。
❤️
Seiji Hirosawa
TTNet: Real-time temporal and spatial video analysis of table tennis
CVSports 2020
Computer VisionDeep LearningMachine Learning
Object DetectionEvent DetectionSegmentation
卓球映像から、ボールの追跡と人物のセグメンテーションを通して、リアルタイムにイベント検出
❤️
Ikuma Uchida
Judging the judges' performance in rhythmic gymnastics
Judging the judges' performance in rhythmic gymnastics
Med Sci Sports Exerc 2015
Sport Psychology
Statistical Model
新体操の演技評価中の審判の眼球運動をトラッキングし、各審査員が映像を見ている割合と、選手の演技に失敗があったときの各審査委員の注視行動について検討したもの。エラーを検出するために視覚的注視を効率的に使用することが期待されたが、国際レベルの審査員は国内レベルの審査員とは異なり、エラー検出に注視を用いずにエラーを検出している可能性
❤️
Seiji Hirosawa
‣
⚽️ Soccer
A Survey on Video Action Recognition in Sports: Datasets, Methods and Applications
A Survey on Video Action Recognition in Sports: Datasets, Methods and Applications
Arxiv 2022
Computer VisionMachine LearningDeep Learning
Action RecognitionEvent Detection
スポーツ分析のための映像認識手法のサーベイ.
またPaddleVideoと呼ばれるアノテーションツールも提供している.
❤️
Ikuma Uchida
Diverse Generation for Multi-agent Sports Games
Diverse Generation for Multi-agent Sports Games
CVPR 2019
Machine LearningDeep Learning
Graph Neural NetworkTrajectory Prediction
マルチエージェントのトラッキングデータを用いた新しい軌道生成モデルの提案.
❤️
Ikuma Uchida
Spotting Temporally Precise, Fine-Grained Events in Video
Spotting Temporally Precise, Fine-Grained Events in Video
ECCV 2022
Computer VisionMachine LearningDeep Learning
Action RecognitionEvent Detection
スポーツアクションの細かい時間的な精度での検出において、高い精度を発揮するエンドツーエンド学習アプローチ、E2E-Spotを提案。複数のデータセットでSOTA
❤️
Ikuma Uchida
SportsTrack: An Innovative Method for Tracking Athletes in Sports Scenes
SportsTrack: An Innovative Method for Tracking Athletes in Sports Scenes
Arxiv 2022
Deep LearningMachine Learning
Multi Object Tracking
モーションブラーやオクルージョンを解決するために三段階のマッチングプロセスを採用。
❤️
Ikuma Uchida
An examination of expected goals and shot efficiency in soccer
An examination of expected goals and shot efficiency in soccer
Arxiv 2016
Sports Evaluation Metrics
Statistical Model
2012-2013シーズンのプレミアリーグとブンデスリーガの試合(380試合と306試合)のシュートを調査し、一定のエリアにおけるゴール期待値を算出。ちなみに筑波大学蹴球部でもこの簡易的なxGは使用していた
❤️
Ikuma Uchida
Evaluation of soccer players to create scoring opportunities for teammates based on their trajectory prediction
Evaluation of soccer players to create scoring opportunities for teammates based on their trajectory prediction
MLSA 2022
Sports Evaluation MetricsDeep Learning
Statistical ModelGraph Neural Network
軌道予測モデルを組み込んだ非ボール保持選手のプレー評価
❤️
Ikuma Uchida
A new look into Off-ball Scoring Opportunity: taking into account the continuous nature of the game
A new look into Off-ball Scoring Opportunity: taking into account the continuous nature of the game
SportsTomorrow 2020
Machine LearningSports Evaluation Metrics
Statistical ModelSports Evaluation Metrics
OBSOをトラッキングデータに拡張した研究
❤️
Ikuma Uchida
OBSO:Beyond Expected Goals
OBSO:Beyond Expected Goals
MITSSAC 2018
Machine LearningSports Evaluation Metrics
Statistical ModelSports Evaluation Metrics
ボール非保持者のプレーの評価。特定のイベントが発生した際に、オフボールの選手を評価している。イベントデータと紐づいていることが前提で、のちの論文で連続データに対してもOBSOが算出できるようになってる
❤️
Ikuma Uchida
SoccerNet-Tracking: Multiple Object Tracking Dataset and Benchmark in Soccer Videos
CVSports 2022
Computer VisionDeep Learning
Deep LearningMulti Object Tracking
サッカーにおけるマルチオブジェクトトラッキングのためのデータセット及びベンチマークの公開。各30秒の放送映像の200シーケンス
❤️
白戸豪大
Pass Receiver Prediction in Soccer using Video and Players’ Trajectories
CVSports 2022
Computer VisionDeep Learning
Multi Object Tracking
サッカー映像において視覚情報と位置情報からパスの受け手を推測
❤️
白戸豪大
Towards Active Learning for Action Spotting in Association Football Videos
Towards Active Learning for Action Spotting in Association Football Videos
CVSports
Computer VisionMachine LearningDeep Learning
Event DetectionAction Recognition
ActionSpottingにおけるActive Learning手法の提案.NetVLAD++とPTSにおいて少ない学習サンプルでも効果的に学習を進められることを確認
❤️
Ikuma Uchida
A Method of Football‑Ofside Detection Using Multiple Cameras for an Automatic Linesman Assistance System
SpringerML 2019
Computer Vision
Action RecognitionEvent Detection
マルチアングルビューでのオフサイド検出手法の提案
❤️
Ikuma Uchida
An offside soccer detection system using ontology and deep learning
An offside soccer detection system using ontology and deep learning
TURCOMAT 2022
Computer VisionDeep LearningMachine Learning
Event Detection
ビデオシーケンス内におけるオフサイドイベントを,を画像情報と音声情報を用いて検出する手法の提案
❤️
Ikuma Uchida
VARS: Video Assistant Referee System for Automated Soccer Decision Making From Multiple Views
VARS: Video Assistant Referee System for Automated Soccer Decision Making From Multiple Views
CVSports 2023
Deep LearningMachine LearningComputer Vision
Action RecognitionMulti Object Tracking
VARでの使用を想定してた動画認識データセットとベンチマーク手法の提案
❤️
Ikuma Uchida
A Boosted Model Ensembling Approach to Ball Action Spotting in Videos: The Runner-Up Solution to CVPR’23 SoccerNet Challenge
A Boosted Model Ensembling Approach to Ball Action Spotting in Videos: The Runner-Up Solution to CVPR’23 SoccerNet Challenge
Arxiv 2023
Deep LearningMachine LearningComputer Vision
Action RecognitionBall Action Spotting
SoccerNet Challenge Ball Action Spotting における2位の解法.E2E-Spotを拡張したモデルアンサンブル手法のBoosted Model Ensembling (BME)を提案
❤️
Ikuma Uchida
Ball Trajectory Inference from Multi-Agent Sports Contexts Using Set Transformer and Hierarchical Bi-LSTM
Ball Trajectory Inference from Multi-Agent Sports Contexts Using Set Transformer and Hierarchical Bi-LSTM
KDD 2023
Deep LearningSports Evaluation Metrics
Trajectory Prediction
選手の軌道データからボールの位置情報を予測する手法の提案.Set TransoformerとBiLSTMを用いてボール保持確率を求め,その情報から位置情報の予測を行っている.
❤️
Ikuma Uchida
Automated Offside Detection by Spatio-Temporal Analysis of Football Videos
Automated Offside Detection by Spatio-Temporal Analysis of Football Videos
MMSports 2021
Computer VisionDeep LearningMachine Learning
Object DetectionEvent DetectionMulti Object Tracking
❤️
Ikuma Uchida
Learning From the Pros: Extracting Professional Goalkeeper Technique from Broadcast Footage
Learning From the Pros: Extracting Professional Goalkeeper Technique from Broadcast Footage
Arxiv 2022
Computer Vision
Deep LearningMachine Learning
今年のSSACからサッカーのGK絡みで
❤️
一般社団法人日本スポーツアナリスト協会
Seq2Event: Learning the Language of Soccer using Transformer-based Match Event Prediction
Seq2Event: Learning the Language of Soccer using Transformer-based Match Event Prediction
❤️
Atom Scott
‣
⚾️ Baseball
Comparing cueing and constraints interventions for increasing launch angle in baseball batting.
Comparing cueing and constraints interventions for increasing launch angle in baseball batting.
2018
Sports Evaluation Metrics
Statistical Model
野球の上達において、制約主導型アプローチ(CLA)と従来の練習法を比較した研究。制約主導型アプローチの群において、効率的に上達できたとの報告
❤️ 2
白戸豪大
Comparing the constraints led approach, differential learning and prescriptive instruction for training opposite-field hitting in baseball
2020
Sports Evaluation Metrics
Statistical Model
制約を用いた練習で、流し打ちを効率的に上達できることを示した。ちなみにこの研究で用いた制約は、ドライブライン(シアトルにある有名野球ジム)の練習ドリルを参考にしている
❤️
白戸豪大
Decoding MLB Pitch Sequencing Strategies via Directed Graph Embeddings
MITSSAC 2021
Machine Learning
Machine Learning
トラッキングデータを用いて有効グラフを構築することで、投手の短期あるいは長期の投球パターンを埋め込めるようになり、対戦の事前準備や選手の評価や育成への応用可能性を示唆している。
❤️
白戸豪大
Using Machine Learning to Describe how Players Impact the Game in the MLB
MITSSAC 2022
Machine Learning
Machine Learning
Play by Playのデータとスタッツデータを組み合わせて、64の特徴量を生成し、試合結果を予測するモデルを構築することで、文脈に基づいて、選手のイベントが試合結果へどのように影響するか説明可能になる。
❤️
白戸豪大
‣
⛸ Figure-skating
Spotting Temporally Precise, Fine-Grained Events in Video
Spotting Temporally Precise, Fine-Grained Events in Video
ECCV 2022
Computer VisionMachine LearningDeep Learning
Action RecognitionEvent Detection
スポーツアクションの細かい時間的な精度での検出において、高い精度を発揮するエンドツーエンド学習アプローチ、E2E-Spotを提案。複数のデータセットでSOTA
❤️
Ikuma Uchida
Determinant analysis and developing evaluation indicators of grade of execution score of double axel jump in figure skating
Determinant analysis and developing evaluation indicators of grade of execution score of double axel jump in figure skating
J Sports Sci 2022
Sports Evaluation Metrics
Statistical Model
世界選手権女子シングルSPで実施されたダブルアクセルジャンプについて、審判がつけた出来栄え点とトラッキングデータから得られるジャンプの高さ、幅、着氷後の速度を検討。出来栄え点を獲得するには、垂直成分をできるだけ抑えた上で、幅と着氷速度を高めるほうが良いことを示唆
❤️
Seiji Hirosawa
Figure skating: Increasing numbers of revolutions in jumps at the European and World Championships
Figure skating: Increasing numbers of revolutions in jumps at the European and World Championships
PLOS ONE 2022
Sports performance
Statistical Model
新採点システム導入後から欧州選手権と世界選手権でトップ5選手の平均年齢と実施したジャンプの回転数を検討。男子の平均年齢は世界選手権は変わらず、欧州選手権では上がった。女子選手はいずれも下がった。欧州選手権・世界選手権ともに回転数の少ないジャンプが減り、回転数の多いジャンプが増えている。
❤️
Seiji Hirosawa
‣
🎮 E-Sports
Winning duels in VALORANT, a visualization of optimal positioning
MITSSAC 2022
Machine Learning
Machine Learning
銃を使って撃ち合うE-SportsであるVALORANTにおいて、位置情報を含む各種メトリクスをINPUTとして、勝敗を予測する分類モデルを構築し、個人の強み・弱みの可視化や最適なポジニングを提案
❤️
白戸豪大
‣
🎾 Racket Sports
A Survey on Video Action Recognition in Sports: Datasets, Methods and Applications
A Survey on Video Action Recognition in Sports: Datasets, Methods and Applications
Arxiv 2022
Computer VisionMachine LearningDeep Learning
Action RecognitionEvent Detection
スポーツ分析のための映像認識手法のサーベイ.
またPaddleVideoと呼ばれるアノテーションツールも提供している.
❤️
Ikuma Uchida
Spotting Temporally Precise, Fine-Grained Events in Video
Spotting Temporally Precise, Fine-Grained Events in Video
ECCV 2022
Computer VisionMachine LearningDeep Learning
Action RecognitionEvent Detection
スポーツアクションの細かい時間的な精度での検出において、高い精度を発揮するエンドツーエンド学習アプローチ、E2E-Spotを提案。複数のデータセットでSOTA
❤️
Ikuma Uchida
‣
🏀 Basketball
A Survey on Video Action Recognition in Sports: Datasets, Methods and Applications
A Survey on Video Action Recognition in Sports: Datasets, Methods and Applications
Arxiv 2022
Computer VisionMachine LearningDeep Learning
Action RecognitionEvent Detection
スポーツ分析のための映像認識手法のサーベイ.
またPaddleVideoと呼ばれるアノテーションツールも提供している.
❤️
Ikuma Uchida
Diverse Generation for Multi-agent Sports Games
Diverse Generation for Multi-agent Sports Games
CVPR 2019
Machine LearningDeep Learning
Graph Neural NetworkTrajectory Prediction
マルチエージェントのトラッキングデータを用いた新しい軌道生成モデルの提案.
❤️
Ikuma Uchida
SportsTrack: An Innovative Method for Tracking Athletes in Sports Scenes
SportsTrack: An Innovative Method for Tracking Athletes in Sports Scenes
Arxiv 2022
Deep LearningMachine Learning
Multi Object Tracking
モーションブラーやオクルージョンを解決するために三段階のマッチングプロセスを採用。
❤️
Ikuma Uchida
Learning to track and identify players from broadcast sports videos
Learning to track and identify players from broadcast sports videos
TPAMI 2013
Computer VisionDeep LearningMachine Learning
Multi Object Tracking
放送映像のようなパンチルトな映像を用いて、複数の選手を検出・追跡し、映像フレームとコート間のホモグラフィーを推定し、選手を識別するシステムの提案
❤️
Ikuma Uchida
SPARTAN: Self-Supervised Spatiotemporal Transformers Approach to Group Activity Recognition
SPARTAN: Self-Supervised Spatiotemporal Transformers Approach to Group Activity Recognition
CVPR 2023
Computer VisionMachine LearningDeep Learning
Action Recognition
ラベルづけされていない映像を用いたGroup Activity Recognitionにおける,新しい自己教師あり学習手法の提案
❤️
Ikuma Uchida
Using Hex Maps to Classify & Cluster Dribble Hand-off Variants in the NBA
MITSSAC 2022
Machine Learning
Machine Learning
NBAのイベントデータとトラッングデータを組み合わせて、ドリブルハンドオフ(DHO)に該当するプレイパターンを検知し、そのなかで特徴の差異を明らかにするためにクラスタリングを施し、選手のプレイや能力により深い洞察を提供
❤️
白戸豪大
‣
🏈 American Football
Using Tracking and Charting Data to Better Evaluate NFL Players: A Review
MITSSAC 2022
Machine Learning
Machine Learning
イベントデータとトラッキングデータを組み合わせて、pass rushers, linebackers, receiversへの新たな評価モデルを構築し、より優れた形で選手を評価できたことを確認
❤️
白戸豪大
‣
🏐 Volley Ball
A Survey on Video Action Recognition in Sports: Datasets, Methods and Applications
A Survey on Video Action Recognition in Sports: Datasets, Methods and Applications
Arxiv 2022
Computer VisionMachine LearningDeep Learning
Action RecognitionEvent Detection
スポーツ分析のための映像認識手法のサーベイ.
またPaddleVideoと呼ばれるアノテーションツールも提供している.
❤️
Ikuma Uchida
SportsTrack: An Innovative Method for Tracking Athletes in Sports Scenes
SportsTrack: An Innovative Method for Tracking Athletes in Sports Scenes
Arxiv 2022
Deep LearningMachine Learning
Multi Object Tracking
モーションブラーやオクルージョンを解決するために三段階のマッチングプロセスを採用。
❤️
Ikuma Uchida