侵入性比赛中事件分类的统一分类法与多模态数据集
计算机视觉与模式识别
2021-08-27 v2
摘要
利用位置数据或视频数据自动检测足球和手球等复杂比赛中的事件，在学术界和工业界引起了极大兴趣。其前提是对底层概念（即球场上发生的事件）有基本理解。以往的工作通常只处理基于明确定义规则的所谓低级事件，如任意球、罚球或进球。由于缺乏一致的定义，传球等高级事件较少被研究。这引入了一定程度的模糊性，使得在处理事件标注时需要仔细验证。然而，这一验证步骤通常被忽略，因为大多数研究采用商业提供商在质量未知的私有数据集上的标注，并且仅关注足球。为了解决这些问题，我们提出了 (1) 一种涵盖侵入性比赛中广泛低级和高级事件的通用分类法，并以足球和手球为例进行了细化；(2) 发布了两个包含视频和位置数据及金标准标注的多模态数据集，以促进细粒度和以球为中心的事件识别研究。对人类表现的实验证明了所提出分类法的鲁棒性，并且标注中的分歧和模糊性随事件复杂度的增加而增加。采用 I3D 模型进行视频分类以用于事件识别，展现了基准测试的潜力。数据集可在以下地址获取：https://github.com/mm4spa/eigd
引用
@article{arxiv.2108.11149,
title = {A Unified Taxonomy and Multimodal Dataset for Events in Invasion Games},
author = {Henrik Biermann and Jonas Theiner and Manuel Bassek and Dominik Raabe and Daniel Memmert and Ralph Ewerth},
journal= {arXiv preprint arXiv:2108.11149},
year = {2021}
}