本研究使用基于语言模型的方法对男、女运动员在网球赛后采访中受到的问题进行量化,发现记者向男性选手提出的问题通常更加关注比赛本身,而向女性选手提问的问题则更多涉及到其他因素,如性别歧视的情况取决于问题的类型、比赛结果或选手等级等不同因素。
Jul, 2016
本研究通过对不同场景下内容结构研究所提供的深刻解释,从内容感知的角度,对广播体育的内容感知系统的相关主题进行了总结,重点关注了过去十年在体育节目中应用的视频内容分析技术以及针对对象、事件和上下文的分析方法,旨在确定用户需求。最后,本文总结了广播体育视频分析的未来趋势与挑战。
Mar, 2017
本文概述了人工智能、机器学习、足球分析、预测模型和博弈论等领域相互结合在足球领域中的应用,以及这种应用方式如何推进了足球运动本身的发展,还探讨了这种足球分析应用在其他领域的扩展可能性。
Nov, 2020
本文介绍了K-SportsSum,它是一个由大规模比赛实时评论和体育新闻构成的新数据集,并提出了一种知识增强式总结器,利用实时评论和知识来生成更具信息量的体育新闻,实验证明了我们的模型达到了新的最高水平。
Nov, 2021
本文提出了GrOunded footbAlL commentaries(GOAL)数据集,该数据集包括了足球视频以及相应的英语实况解说文本,用于探究动态语言上下文,进一步提供了诸如帧重排序、时刻检索、实况解说检索、以及实况解说生成等四项任务的最新基线模型。实验结果表明,在大部分任务上,模型表现良好。
Nov, 2022
该研究分析了两个语言和视觉数据集的性别偏见,发现数据集对女性存在偏差,而且人类命名体育运动参与者时也存在性别偏见,这导致了数据集和模型对女性的不当代表。
May, 2023
我们研究了大型语言模型在解释决策方面的能力,并以足球裁判作为测试领域。我们介绍了可解释的视频助理裁判系统(X-VARS),它是一个多模态的大型语言模型,旨在理解足球视频。我们验证了X-VARS在足球裁判领域的能力,并展示了它在解释复杂足球视频方面的卓越性能。
Apr, 2024
在足球领域,应用自动语音识别(ASR)技术提供了许多运动分析的机会,本研究介绍了SoccerNet-Echoes数据集,利用ASR自动生成足球比赛音频解说的文字转录,通过丰富的文字信息增强视频内容,扩展了SoccerNet数据集的用途,包括提升的动作定位、自动字幕生成和比赛摘要等多样化的应用领域,通过结合视觉、听觉和文字信息,SoccerNet-Echoes旨在为捕捉足球比赛动态特征的算法开发提供全面的资源,并且强调多模态方法在运动分析中的意义,以及丰富的数据集对于推动该领域的研究和发展所带来的影响。
May, 2024
通过对主流大型语言模型在各种体育任务上进行广泛评估,我们揭示了自然语言处理中体育理解的关键挑战,并提出了一个基于现有体育数据集的全面概述的新基准,以帮助确定未来的研究优先事项。
Jun, 2024
通过在英语体育评论中对隶属群体内外言论(群体偏见)的模型,本文揭示了在社会现象如刻板印象延续和隐性偏见中可能存在的微妙差异。为了大规模分析群体间变化,我们使用 LLMs 进行自动标记,并发现一些 LLMs 最佳工作方式是在评论时使用语言描述赢得概率,而不是数值概率。此外,使用 LLMs 对评论进行大规模标记揭示了在不同赢得概率下区别隶属群体内外言论形式的线性变化。