BASKET：用于细粒度技能估计的大型视频数据集
计算机视觉与模式识别
2025-03-27 v1
摘要
我们提出了 BASKET，一个大型篮球视频数据集，用于细粒度技能估计。BASKET 包含 4477 小时的视频，捕获来自全球 32232 名篮球运动员的作品。与先前的技能估计数据集相比，我们的数据集包含大量技能水平较高的参与者，具有前所未有的性别、年龄、技能水平、地理位置等方面的多样性。BASKET 包含 20 项细粒度篮球技能，对现代视频识别模型构成挑战，要求通过深入视频分析捕捉运动员技能的细微差异。给定一段特定选手的长篇高亮视频（8-10 分钟），模型需要为这 20 项篮球技能预测技能水平（如优秀、好、平均、良好、差）。我们的实证分析表明，当前的状态-of-the-art 视频模型在这一任务上显著落后于人类基准。我们认为 BASKET 将是开发具有高级长程、细粒度识别能力的新视频模型的有用资源。此外，我们希望该数据集对诸如公平篮球挖掘、个性化选手发展等领域也有用。数据集和代码可在 https://github.com/yulupan00/BASKET 获取。
引用
@article{arxiv.2503.20781,
title = {BASKET: A Large-Scale Video Dataset for Fine-Grained Skill Estimation},
author = {Yulu Pan and Ce Zhang and Gedas Bertasius},
journal= {arXiv preprint arXiv:2503.20781},
year = {2025}
}