新的分层GRU模型以17.91%的mAP预测足球动作

研究人员开发了一种新颖的分层模型，用于预测足球比赛中的球类动作。该系统利用Transformer对剪辑级特征进行编码，并使用GRU聚合时间上下文，在30秒的观察基础上预测5秒窗口内的动作。该方法结合了频率加权匈牙利匹配以偏好稀有动作类别，以及高斯软目标进行时间监督，在SoccerNet球类动作预测基准上达到了17.91%的mAP。 AI

影响 该模型提升了AI在实时视频中预测事件的能力，可能对体育分析和自动化广播产生影响。

排序理由 该集群描述了一篇关于特定AI任务（球类动作预测）新颖模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• CORE Recommender
• DagsHub
• ESPN FC
• gated recurrent unit
• Gaussian soft targets
• Gotit.pub
• Hugging Face
• Hungarian matching
• Influence Flower
• ScienceCast
• SoccerNet Ball Action Anticipation
• transformer

• 论文
• 模型发布
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →