LATTE-MV：从单目视频中学习预测乒乓球击球
计算机视觉与模式识别
2025-09-03 v2 人工智能
摘要
体术是竞技乒乓球中必备的技能，但绝非足够。冠军们在这款高速动态环境中通过预测对手的意图来表现出色，这为他们获得必需的反应时间至关重要。本文致力于设计一种具备这种预测能力的智能体。虽然已有工作开发了能够实现实时乒乓球游戏的系统，但这些方法往往未充分利用预测技术。而那些进行动作预测的工作，受限于数据集的规模和多样性。我们的工作贡献了：（1）一个用于重建单目乒乓球比赛三维视频的可扩展系统，（2）一个具备不确定性感知能力的控制器，能够预测对手的动作。我们在仿真环境中表明，与基准的非预测性策略相比，我们的策略在面对高速击球时，球返回率提升了从49.9%到59.0%。
引用
@article{arxiv.2503.20936,
title = {LATTE-MV: Learning to Anticipate Table Tennis Hits from Monocular Videos},
author = {Daniel Etaat and Dvij Kalaria and Nima Rahmanian and Shankar Sastry},
journal= {arXiv preprint arXiv:2503.20936},
year = {2025}
}
备注
CVPR 2025