SoccerNet-v2：面向广播足球视频整体理解的数据集与基准
计算机视觉与模式识别
2021-04-20 v3
摘要
理解广播视频是计算机视觉中的一项挑战性任务，因为它需要通用的推理能力来领会视频剪辑所呈现的内容。本文中，我们提出SoccerNet-v2，一个针对SoccerNet视频数据集的新型大规模人工标注语料库，并附带开放挑战以鼓励更多关于足球理解与广播制作的研究。具体而言，我们在SoccerNet的500段未裁剪广播足球视频中发布了约30万条标注。我们将足球领域的现有任务扩展至包含动作 spotting（动作定位）、带边界检测的镜头分割，并定义了一项新颖的回放 grounding（回放定位）任务。针对每项任务，我们提供并讨论了基准结果，可使用我们开源改编的该领域最相关工作实现进行复现。SoccerNet-v2面向更广泛的研究社区发布，以帮助推动计算机视觉更接近用于更通用视频理解与制作目的的自动化解决方案。
引用
@article{arxiv.2011.13367,
title = {SoccerNet-v2: A Dataset and Benchmarks for Holistic Understanding of Broadcast Soccer Videos},
author = {Adrien Deliège and Anthony Cioppa and Silvio Giancola and Meisam J. Seikavandi and Jacob V. Dueholm and Kamal Nasrollahi and Bernard Ghanem and Thomas B. Moeslund and Marc Van Droogenbroeck},
journal= {arXiv preprint arXiv:2011.13367},
year = {2021}
}
备注
Paper accepted for the CVsports workshop at CVPR2021. This document contains 8 pages + references + supplementary material