P2ANet：面向乒乓球比赛转播视频密集动作检测的数据集与基准
计算机视觉与模式识别
2024-03-27 v2 机器学习
摘要
尽管深度学习已广泛用于视频分析，如视频分类与动作检测，但从体育视频中对快速运动主体进行密集动作检测仍具挑战性。本工作中，我们发布了又一个体育视频基准\TheName{}用于\emph{\underline{P}}ing \emph{\underline{P}}ong-\emph{\underline{A}}ction检测（乒乓球动作检测），其包含从世乒赛与奥运会的专业乒乓球比赛转播视频中收集的2721个视频片段。我们与一组乒乓球专业人员和裁判借助专门设计的标注工具箱，为数据集中出现的每个乒乓球动作获取细粒度动作标签（共14类），并构建了两组动作检测问题——\emph{动作定位}与\emph{动作识别}。我们在多种设置下，使用\TheName{}针对这两类问题评估了若干常见的动作识别模型（如TSM、TSN、Video SwinTransformer与Slowfast）与动作定位模型（如BSN、BSN++、BMN、TCANet）。由于乒乓球动作密集且主体快速运动，而转播视频仅25 FPS，这些模型在定位上仅能达到AR-AN曲线下面积48%，在识别上仅能达到82%的top-one准确率。结果证实\TheName{}仍是一项具挑战性的任务，并可用作视频密集动作检测的特殊基准。
引用
@article{arxiv.2207.12730,
title = {P2ANet: A Dataset and Benchmark for Dense Action Detection from Table Tennis Match Broadcasting Videos},
author = {Jiang Bian and Xuhong Li and Tao Wang and Qingzhong Wang and Jun Huang and Chen Liu and Jun Zhao and Feixiang Lu and Dejing Dou and Haoyi Xiong},
journal= {arXiv preprint arXiv:2207.12730},
year = {2024}
}