- 从足球场上的两个点加上重力方向确定 Nao 摄像头头部的位置和高度
本文提出了一种使用简化四面体的几何方法来确定机器人在足球场上的 (x, y) 坐标和摄像头高度 h 的方法，该方法通过测量两个观察点之间的距离和观察点与重力方向的角度来确定四面体的所有尺寸，计算速度比传统三角测量方法快 28.7%，精度相等 - FootBots: 基于 Transformer 的足球运动预测架构
足球中的运动预测通过捕捉球员和球的相互作用的复杂动力学。我们提出了 FootBots，一种基于编码器 - 解码器变压器结构的体系结构，通过等变性属性来解决运动预测和有条件的运动预测。FootBots 使用集合注意力块和多注意力块解码器来捕捉 - IJCAI基于深度学习的足球中的上下文冲刺分类
本研究提出一种深度学习框架，用于将足球中的冲刺自动分类为上下文类别，实验结果显示，我们的模型以 77.65% 的准确率将测试数据集中的冲刺分类为 15 个类别，表明该提议的框架在促进足球冲刺的集成分析方面具有潜力。
- 体育比赛视频中球衣号码识别的通用框架
介绍了一种新的公共冰球号码识别数据集，并研究了如何将场景文本识别方法应用于这个问题。研究了遮挡问题，并评估了在一个运动（冰球）上训练的模型在另一个运动（足球）上的泛化程度。演示了在图像和轨迹级任务上的高性能，冰球图像达到 91.4% 的准确 - 无处不玩：基于时态逻辑的游戏环境独立方法在机器人足球中的应用
通过引入基于时态逻辑的方法，使机器人的行为和目标能够适应环境语义，实现在非结构化环境中进行足球比赛的能力。
- 球员压力图 - 一种评估不同比赛背景下球员表现的足球压力新表达方式
提供了一种基于追踪数据、事件数据和比赛录像的足球比赛场景中球队所承受压力的捕捉方法，利用球员压力图作为有效工具可视化和评估球队及个人的压力，同时为教练员和分析师提供数据驱动的战术决策。
- 通过踢球动作对足球进球位置进行分类
通过利用神经网络，本研究提出了一种模型，结合人体动作识别 (HAR) 嵌入与上下文信息，通过观察运动员的踢球技术准确预测足球射门后的运动方向，取得了很高的准确率，为了解足球罚球动力学提供了有意义的启示。
- 足球中的行为识别、定位和时空定位综述 -- 当前趋势与研究视角
足球动作场景理解任务具有挑战性，本文综述了该任务的行为识别、定位和时空动作定位，特别关注了使用的模态和多模态方法，并评估模型性能的可公开获取数据源和度量标准。文章回顾了利用深度学习技术和传统方法的最新状态，重点介绍了多模态方法，这些方法整合 - 使用集合变换器和分层双向长短时记忆网络从多智能体运动环境中推断球轨迹
该论文提出了一种基于 Set Transformer 和层次结构的推理框架，用于通过球员轨迹推断足球的轨迹，实现了自然且准确的轨迹预测，并提出了几种实用的应用包括缺失轨迹计算与自动放映。
- SoccerNet-Caption：足球转播实时密集视频字幕生成
本文提出了一种基于密集视频字幕的评论生成任务，旨在为足球比赛提供文字评论，以便广播公司能够将视频内容总结成同步且有意义的文字评论，从而更好地满足足球粉丝的需求，增强足球内容的可理解性和可访问性。
- 利用计算机视觉检测关键足球比赛事件以创建精华片段
本文利用 Faster RCNN 和 YoloV5 模型基于计算机视觉技术，对足球比赛视频进行关键事件检测和精简，结果表明使用 Faster RCNN 模型中的 ResNet50 作为基本模型表现最佳，检测准确率为 95.5%。
- KDD深度学习在足球比赛事件数据中价值防守动作的应用
本文通过采用深度学习技术，利用相关比赛数据定义了一种新的度量方式 ——Defensive Action Expected Threat (DAxT) 模型，该模型能够通过研究防守动作前的比赛进攻路径危险度，从而对防守动作进行评估，提高防守球 - MM足球比赛基于视频的分析
该研究综述了基于视频分析的足球比赛的可视化方法，讨论了现有方法的优缺点及相关问题，旨在帮助分析人员更高效地制定胜利策略、进行快速失败分析或发现对手的弱点。
- KDDSoccerMap：用于足球视觉可解释分析的深度学习架构
提出了一种完全卷积神经网络架构，可估计来自高频时空数据的足球可能传递的全概率面，能够适应于多种实际足球问题，如风险评估、应用可能的传递选项等。
- CVPR基于轨迹和视频数据的足球团体活动检测
本研究使用轨迹和视觉数据来检测足球比赛中的群体活动，并提出了自我注意力模型来显式地建模球员与球之间的交互作用。结果表明，基于视觉或轨迹的方法都能够在 0.5 秒内识别出大部分事件，并且每种方法都有其独特的挑战。
- MMSoccerDB：一个用于综合视频理解的大型数据库
本文提出了一种名为 SoccerDB 的新足球视频数据库，包含 171,191 个视频段，702,096 个边界框，37,709 个基本事件标签以及 17,115 个高光时刻注释，可用于目标检测、动作识别、时间动作定位和高光检测等任务。该数 - 使用 KG-Copy 网络进行非目标导向型对话
该论文探讨了将知识图谱集成到对话系统响应生成过程中的问题，提出了一种以足球为领域的非目标导向对话数据集和每个团队的知识图谱，并提出了一种新的神经网络架构作为基线，在数据集上集成知识图谱，产生知识化的响应，经实验证明，该模型的表现优于目前已有 - 足球比赛中基于贝叶斯方法的胜率预测
本文提出一种基于贝叶斯统计框架的足球比赛中胜率预测模型，通过对比现有模型，构建了一个可信的、根据比赛时间变化的贝叶斯统计模型，通过对五大顶级联赛八个赛季的数据进行实证评价，表明该模型能够提供良好的结果预测，并能够提升球迷体验和评估关键比赛情 - 多分辨率张量分解用于多空间传递网络
本文研究足球空间传球数据的建模和分析，开发了一种基于多分辨率数据表示和泊松非负块项分解模型的方法，自动生成网络图案以概括不同球队的传球策略并探究其对战绩的影响，文中应用了 2014 年世界杯的详细传球记录数据。
- 运用音视频描述符自动概括足球精彩时刻
本文提出了一种基于音视频描述符的自动足球视频集锦生成方法，通过对视频序列进行分段和分析来确定其相关性和兴趣度，使用音频信息提高摘要系统的性能，在应用经验知识规则组合低级和中级音视频描述符，选择与用户规格和相关度测量结果相适应的高兴趣度视频片