战术体育的细粒度动作分类：FACTS
计算机视觉与模式识别
2024-12-24 v1
摘要
对快速、近距离搏斗运动如 fencing 和 boxing 中的细粒度动作进行分类具有独特挑战，因这些动作的复杂度、速度和细微程度难以准确捕捉。传统方法依赖姿态估计或复杂传感器数据，往往难以精准捕捉这些动态。我们提出 FACTS，一种基于 transformer 的新颖方法，用于细粒度动作识别，直接处理原始视频数据，无需姿态估计，也无需使用笨重的身体标记和传感器。FACTS 实现了最先进的性能，在 fencing 动作上达到 90% 准确率，boxing 动作上达到 83.25%。此外，我们提供了一个新的公开数据集，包含 8 种详细 fencing 动作，填补了体育分析资源中的关键空白。我们的发现提升了训练、表现分析和观众参与度，为战术体育的动作分类树立了新基准。
引用
@article{arxiv.2412.16454,
title = {FACTS: Fine-Grained Action Classification for Tactical Sports},
author = {Christopher Lai and Jason Mo and Haotian Xia and Yuan-fang Wang},
journal= {arXiv preprint arXiv:2412.16454},
year = {2024}
}