PulseAugur
中
实时 08:06:23

SMART方法将足球运动员姿态估计提升38.6%

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种名为SMART的新方法，用于从广播视频中估计足球运动员的3D姿态。该方法对SMPLest-X模型进行了微调，并结合了RAFT密集光流跟踪以及其他增强功能，如脚部平面锚定和时间平滑。SMART显著改进了FIFA基线得分，在验证集上实现了38.6%的提升，在测试集上得分为0.593。 AI

影响 该方法为体育运动中的3D姿态估计树立了新的标杆，有望改进体育分析和广播技术。

排序理由 该集群包含一篇详细介绍姿态估计新方法的学术论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Parthsarthi Rawat ·

    SMART: SMPLest-X 网格自适应与 RAFT 跟踪用于足球姿态估计

    arXiv:2605.31551v1 Announce Type: new Abstract: We present our approach to the FIFA Skeletal Tracking Challenge 2026, which requires estimating 3D world-space poses of soccer players from broadcast video. Our method finetunes SMPLest-X (ViT-H, 687 M parameters) via a stratified c…

  2. arXiv cs.CV TIER_1 English(EN) · Parthsarthi Rawat ·

    SMART: SMPLest-X 网格自适应与 RAFT 跟踪用于足球姿态估计

    We present our approach to the FIFA Skeletal Tracking Challenge 2026, which requires estimating 3D world-space poses of soccer players from broadcast video. Our method finetunes SMPLest-X (ViT-H, 687 M parameters) via a stratified clip split, multi-task depth supervision, and bro…

相关实体

相关话题