MMSep, 2022

KaliCalib: 一种用于篮球场注册的框架

PDF
TL;DR本文提出了一种新的篮球场注册框架，该框架基于编码器解码器网络的估计，采用透视感知约束对采样的关键点位置进行估计，并借助篮筐位置的回归和数据增强技术使模型对不同场馆具有鲁棒性。消融研究显示了我们的贡献对挑战测试集的积极影响，我们的方法将平均均方误差除以 4.7，比挑战基线提高了效果。
basketball court registrationencoder-decoder networkperspective-aware constraintscamera calibrationsports-field registration systems
发现论文，激发创造
  • 仅以几何特性为基础的体育场地登记

    使用 3D 足球场模型进行摄像机校准，以评估广播视频的多视角性，同时保持与最先进技术在整体几何估计上竞争力强的优越性能。

    Apr, 2024

  • 体育摄像机标定的通用基准协议

    相机校准在体育分析领域中是一个至关重要的组成部分，它作为从广播图像中提取 3D 信息的基础。然而，目前的基准标准阻碍了相机校准研究的进展。为了克服这些限制，我们设计了一个名为 ProCC 的新基准协议，并通过对世界杯 2014、CARWC 和 SoccerNet 数据集的实验证明，我们的基准协议提供了更公平的相机校准方法评估。通过明确我们对适当基准的要求，我们希望为具有高精度标准的体育应用的相机校准开辟新的阶段。

    Apr, 2024

  • 利用部分运动场地注册的单目三维人体姿态估计技术在体育转播中的应用

    本文研究了如何通过部分体育场地登记和联合优化 3D 姿势估计和相机标定来提取 3D 运动学数据，生成了一个 10K 张图像的合成数据集来展示现有单目 3D HPE 方法的局限性。

    Apr, 2023

  • SoccerNet-v2 中的相机校准和球员定位，以及它们在动作检测中的表示研究

    该研究聚焦于足球广播视频的摄像头校准和现有科学社区的限制，并通过深度学习技术和大规模数据集的发布来提高现有体育动作捕捉算法的性能。

    Apr, 2021

  • 从单个校准图像中的上下文感知三维物体定位：篮球的研究

    本文提出了一种从单个校准图像中实现三维篮球定位的新方法，通过预测对象在图像空间中的像素高度，并利用图像本身和对象的位置作为输入，估计其在图像中投影到地平面上，并利用已知的投影矩阵重建篮球的三维坐标，实验结果表明该方法相对于最近的研究取得了显著的精度改进，从而为提高球类跟踪和理解的可能性开辟了新的空间，推动了计算机视觉在不同领域的发展。

    Sep, 2023

  • 通过学习误差优化实现准确的体育场地注册

    本文提出了一种基于优化的框架，以将体育场地模板注册到广播视频中，并采用深度学习来训练神经网络，以最小化注册误差，该方法应用于实际体育广播视频，表现优异，并且通过在合成 toy 示例上的验证，我们进一步证明了该方法即使在其引入太多约束和无限的训练数据情况下仍然有显着提高。

    Sep, 2019

  • 基于视频的顺序贝叶斯足球场地注册的单应矩阵估计

    提出了一种新颖的贝叶斯框架，通过一个仿射变换明确地将一个视频帧的单应性与下一个视频帧关联起来，同时明确建模关键点的不确定性。该方法使用了两阶段卡尔曼滤波器，在现有方法的基础上显著改进了其性能，并使得不太复杂且计算成本较低的方法在大多数单应性评估指标上胜过了最先进的方法。

    Nov, 2023

  • 基于合成数据的运动相机标定

    通过使用合成数据，我们提出了一种高度自动化的方法来通过单个图像校准运动相机，使用新颖的相机姿态引擎，以及采用两个 GAN 模型来检测场地标记，并在合成和真实数据中取得了鲁棒性和最新技术表现。

    Oct, 2018

  • 广播足球比赛自动俯视图注册

    本文提出了一种新颖的方法，用于在静态俯视模型上对足球广播视频的帧进行注册，并利用场地线条的边缘信息解决点对应不足的问题，并使用合成字典和同态图对每帧进行最小匹配，并证明了此方法的有效性。

    Mar, 2017

  • 单张第一人称图像下的自我为中心篮球运动规划

    使用一张第一人称视角的图片，通过 12 维相机配置轨迹生成篮球运动序列，并通过卷积神经网络和目标检查器网络来验证和细化相机配置序列以实现更真实的篮球运动序列。

    Mar, 2018