PulseAugur
中
实时 01:03:31
English(EN) SoccerNet 2026 Player-Centric Ball-Action Spotting:Retraining and Post-Processing Extensions to the FOOTPASS Baselines

SoccerNet 挑战赛系统使用 GNN 和微调进行动作识别

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员为 SoccerNet 2026 以球员为中心的传球动作识别挑战赛开发了一个增强系统。他们的方法建立在现有的 FOOTPASS 基线之上，通过结合梯度检查点以实现高效微调，融合图神经网络 (GNN) 输出与视觉特征，并应用平方根频率类别加权来平衡不平衡的训练数据。该系统在测试集上达到了 0.548 的宏观 F1 分数，在挑战集上达到了 0.446。 AI

影响 这项研究通过改进足球比赛中的球员动作识别，推动了体育分析领域人工智能能力的发展。

排序理由 这是一篇研究论文，详细介绍了针对特定挑战的系统，包括技术扩展和性能指标。

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 ·

    SoccerNet 2026 以球员为中心的球动作识别：FOOTPASS 基线的再训练和后处理扩展

    arXiv:2606.09679v1 Announce Type: new Abstract: We describe our system for the SoccerNet 2026 Player-Centric Ball-Action Spotting Challenge, which requires predicting who performs which action and when, across eight classes in broadcast soccer. Building on the three FOOTPASS base…

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

    SoccerNet 2026 以球员为中心的球动作识别：FOOTPASS 基线的再训练和后处理扩展

    We describe our system for the SoccerNet 2026 Player-Centric Ball-Action Spotting Challenge, which requires predicting who performs which action and when, across eight classes in broadcast soccer. Building on the three FOOTPASS baselines [1] (TAAD, TAAD+GNN, and TAAD+DST), we con…

相关话题