AutoSoccerPose：足球射门动作的自动化 3D 姿态分析
计算机视觉与模式识别
2024-05-21 v1 人工智能
摘要
图像理解是计算机视觉中的一项基础任务，近期在足球姿态分析中出现了新的应用。然而，现有的公开数据集缺乏全面的信息，特别是姿态序列和 2D 姿态标注方面的信息。此外，当前的分析模型通常依赖于可解释的线性模型（如 PCA 和回归），这限制了它们在复杂多样场景中捕捉非线性时空关系的能力。为了填补这些空白，我们引入了足球转播视频中的 3D 射门姿态（3DSP）数据集，据我们所知，这是目前包含 2D 姿态标注的最广泛的体育图像数据集。此外，我们提出了 3DSP-GRAE（图循环自编码器）模型，这是一种用于嵌入姿态序列的非线性方法。进一步地，我们提出了 AutoSoccerPose，一个旨在半自动化进行 2D 和 3D 姿态估计及姿态分析的流程。尽管实现完全自动化具有挑战性，我们提供了一个基础基线，将其效用扩展到了标注数据的范围之外。我们在 SoccerNet 和 3DSP 数据集上验证了 AutoSoccerPose，并展示了基于 3DSP 的姿态分析结果。数据集、代码和模型可在以下地址获取：https://github.com/calvinyeungck/3D-Shot-Posture-Dataset。
引用
@article{arxiv.2405.12070,
title = {AutoSoccerPose: Automated 3D posture Analysis of Soccer Shot Movements},
author = {Calvin Yeung and Kenjiro Ide and Keisuke Fujii},
journal= {arXiv preprint arXiv:2405.12070},
year = {2024}
}