SoccerSynth Field：利用来自虚拟足球模拟器的合成数据提升场地检测
计算机视觉与模式识别
2025-03-19 v1
摘要
团队运动中的场地检测是体育视频分析中的重要任务。然而，收集大规模且多样化的真实世界数据集以训练检测模型往往成本高昂且耗时。合成数据集允许在照明、纹理和摄像机角度方面受到受控可变性，这将是解决这些问题的有前景的替代方案。本研究通过研究使用合成数据集预训练模型的有效性来解决收集真实世界数据集成本高和困难的问题。本文提出了使用合成数据集（SoccerSynth-Field）用于足球场地检测的有效性。创建了一个合成足球场数据集用于预训练模型，并将使用这些数据集预训练的模型性能与在真实世界数据集上训练的模型进行比较。结果表明，预训练于合成数据集的模型在检测足球场地方面表现出优越性能。这一发现凸显了合成数据在提高模型鲁棒性和准确性方面的有效性，为推进体育场地检测任务提供了具有成本效益且可扩展的解决方案。
引用
@article{arxiv.2503.13969,
title = {SoccerSynth Field: enhancing field detection with synthetic data from virtual soccer simulator},
author = {HaoBin Qin and Jiale Fang and Keisuke Fujii},
journal= {arXiv preprint arXiv:2503.13969},
year = {2025}
}