基于树状轨迹对齐的体育动作细粒度检索
信息检索
2017-10-09 v1
摘要
我们提出了一种有效检索多智能体时空跟踪数据的新方法。与传统的基于文本的检索设置相比，时空跟踪数据的检索提出了若干独特挑战。最值得注意的是，数据是细粒度的，意味着智能体的具体位置在描述行为时很重要。此外，数据通常包含多个智能体的轨迹（例如，体育比赛中的多个球员），这在进行相关性估计时通常会导致排列对齐问题。由于智能体频繁的位置交换，难以维持智能体的对应关系，此类问题使得多智能体时空数据的成对比较变得困难。为解决这一问题，我们提出了一种基于树的方法来估计多智能体时空轨迹之间的相关性。它使用层次结构以从粗到细的方式执行多智能体数据对齐和划分。我们通过与领域专家进行的用户研究验证了我们的方法。结果表明，与当前最先进的方法相比，我们的方法在检索相似体育动作方面提升了性能——尤其是在用户选择轨迹子集的交互式情境中。
引用
@article{arxiv.1710.02255,
title = {Fine-Grained Retrieval of Sports Plays using Tree-Based Alignment of Trajectories},
author = {Long Sha and Patrick Lucey and Stephan Zheng and Taehwan Kim and Yisong Yue and Sridha Sridharan},
journal= {arXiv preprint arXiv:1710.02255},
year = {2017}
}