面向普适足球视频理解
计算机视觉与模式识别
2025-03-25 v3
摘要
作为全球最受欢迎的运动，足球吸引了全球范围内的粉丝。本文旨在开发一个综合性的多模态框架用于足球视频理解。具体而言，本文作出以下贡献：(i) 我们引入 SoccerReplay-1988，目前为止最大规模的多模态足球数据集，包含来自 1988 场完整比赛的视频及详细标注，具有自动化标注流程；(ii) 我们提出一种先进的足球专用视觉编码器MatchVision，该编码器利用足球视频中跨时空的信息，在各种下游任务中表现卓越；(iii) 我们在事件分类、解说生成和多视角犯规识别等任务上进行大量实验和消融研究。MatchVision 在所有任务上均实现了最先进的性能，显著优于现有模型，凸显了我们提出的数据和模型的优势。我们认为本工作将为体育理解研究提供一个标准范式。
引用
@article{arxiv.2412.01820,
title = {Towards Universal Soccer Video Understanding},
author = {Jiayuan Rao and Haoning Wu and Hao Jiang and Ya Zhang and Yanfeng Wang and Weidi Xie},
journal= {arXiv preprint arXiv:2412.01820},
year = {2025}
}
备注
CVPR 2025; Project Page: https://jyrao.github.io/UniSoccer/