スポーツ解析に関する論文50

自分の研究のためのサーヴェイをしたときにスポーツ解析の研究が意外と多く,思っていたよりも進んでいたので非常に面白かったです.

そのサーヴェイの内容を読みやすくまとめているので,ぜひ読んでください.
主にサッカーが中心ですが,バスケやアメフトの解析も進んでいるのでところどころ含めています.

いかにスライドでまとめたもの掲示しています.スマホで見ている方は全画面にしてみることを強くお勧めします.

カテゴリー:

  • 見せ方(ビジュライゼーション)
  • パフォーマンス指標
  • 戦術解析
  • 試合結果予想
  • データ取得方法
  • ロコモーション
  • ファンタジー
  • ビジネス

より多くの人にスポーツ解析の最先端を知ってもらい,興味を持ってもらえればうれしいです.

以下,論文のサマリーになってます.

サクッと読んだだけの論文も多々ありますので間違い等ございましたらご指摘ください.

サーベイ論文

Spatio-Temporal Analysis of Team Sports – Survey

2016/2/22
チームスポーツにおいてSpatio-Temporal(=時空間)データ,すなわち選手のトラッキングデータなどをどのように扱うかについてまとめている.データの可視化や指標の定義から,データマイニングやネットワーク分析の手法もカバーしている.

Survey of Sports Video Analysis: Research Issues and Applications

2004/?/?
テニスとサッカーを中心に,スポーツで行われている戦略分析・トラッキング手法・ハイライト抽出・レフェリー補助がどのように行われているのかを端的に説明している.また問題点もそれぞれあげている.

A Survey on Content-aware Video Analysis for Sports

2017/1/?
スポーツ映像のコンテンツ解析について網羅的にサーベイし,2000年代から盛んになり始めたスポーツ映像解析の基礎・現在のメソッドやトレンド・これからの展望をレビューしている.参考文献が多く(250以上),その半数について短い要約や使った手法を整理している.

A Review of Vision-based Systems for Soccer Video Analysis

2010/8/?

An Overview of Automatic Event Detection in Soccer Matches

2011/1/?

ビジュアライゼーション

ForVizor: Visualizing Spatio-Temporal Team Formations in Soccer

Atom Scott on Twitter

サッカーのデータ分析をしてもどのように伝えるかが分からないことが多いですが、 情報可視化のトップ会議でもこういう議論がされていると知ってかなり興味深いです。 ForVizor: Visualizing Spatio-Temporal Team Formations in Soccer https://t.co/iNPjT2o4v4

映像の自動分類

Summarization of Sports Videos Based on Unsupervised Deep Learning

戦術解析

Data-Driven Ghosting using Deep Imitation Learning

Atom Scott on Twitter

「もしもっとレベルの高いチームが守備していたらどうなっていたか」という疑問に答えたデータ駆動ゴースティング, 動画のシーンでは~70%だったゴール確率を~40%まで減らす動きをデモで見せています. Data-Driven Ghosting using Deep Imitation Learning https://t.co/ul9baU2aJe

Wide Open Spaces: A statistical technique for measuring space creation in professional soccer

Atom Scott on Twitter

スペース占有度が面白いです! イニエスタのPA内へのランにDFが引っぱられて,メッシがフリーに →メッシがボールを受けてクロス 動画後半の数値の変化をよく見てください! イニエスタが犠牲にした自分のスペース,メッシのためにあけたスペース。それぞれをスペース占有度で数値化できてます。 https://t.co/MfhUw2W6N2

Motion Field to Predict Play Evolution in Dynamic Sport Scenes

Atom Scott on Twitter

この研究ではベクトル場を使って、すぐあとのプレーの予測に試みています。 赤丸が予測位置?っていうのかな。 ピッチに矢印がある感じがかっこいいですね笑 2010 CVPR Motion Field to Predict Play Evolution in Dynamic Sport Scenes https://t.co/Rltg87wUJw https://t.co/kAJzpLFa37

Characterizing Multi-Agent Team Behavior from Partial Team Tracings

Atom Scott on Twitter

サッカーのトラッキングデータを上手く離散化して、分析をした良い例です。 エントロピーマップを活用したプレースタイルの分析: Characterizing Multi-Agent Team Behavior from Partial Team Tracings: Evidence from the English Premier League https://t.co/9rdI94pVBt

Large-Scale Analysis of Soccer Matches Using Spatiotemporal Tracking Data

Atom Scott on Twitter

Large-Scale Analysis of Soccer Matches using Spatiotemporal Tracking Dataの写真はこっちです! 間違えました。すみません!

ロコモーション

DeepMimic: Example-Guided Deep Reinforcement Learning
of Physics-Based Character Skills

Atom Scott on Twitter

人間の動きを記録したモーションキャプチャのデータで学習するとエージェントの動きが超リアルに。 Super Cool. SIGGRAPH 2018: DeepMimic paper (supplementary video) https://t.co/9ufQrQdd9k

Learning human behaviors from motion captureby adversarial imitation

Atom Scott on Twitter

Deep Mindが去年出したものと比べると進歩の度合いが分かると思います. RSIがこの差のを生み出してるんですかね,あまり詳しくないのでわかってる人いたら教えてください! Learning human behaviours from motion capture by adversarial imitation https://t.co/fSWqj799W3

Leave a Reply

Your email address will not be published. Required fields are marked *