基于图神经网络和三维卷积网络的足球比赛状态与时空动作检测
计算机视觉与模式识别
2025-11-18 v1
摘要
足球数据分析依赖两个数据源：球员在场上的位置和他们执行的事件序列。每场比赛大约有 2000 处球事件，其基于单目视频流的精确且详尽的标注仍是繁琐且昂贵的手动任务。虽然最先进的时空动作检测方法在自动化这一任务方面显示出前景，但它们缺乏对比赛情境的理解。我们假设职业球员的行为是相互关联的，认为纳入围绕球员的信息（如位置、速度和队伍成员身份）可以增强纯视觉预测。我们提出一种结合视觉和比赛状态信息的时空动作检测方法，通过在最先进的 3D CNN 上端到端训练图神经网络，展示了通过比赛状态集成所获得的改进指标。
引用
@article{arxiv.2502.15462,
title = {Game State and Spatio-temporal Action Detection in Soccer using Graph Neural Networks and 3D Convolutional Networks},
author = {Jeremie Ochin and Guillaume Devineau and Bogdan Stanciulescu and Sotiris Manitsaris},
journal= {arXiv preprint arXiv:2502.15462},
year = {2025}
}