SoccerTrack v2: A Full-Pitch Panoramic Video Dataset for Game State Reconstruction and Ball Action Spotting
SoccerTrack v2 introduit un ensemble de données complet de 932 minutes de vidéo panoramique 4K provenant de dix matchs de niveau universitaire, intégrant les trajectoires des joueurs sur l'ensemble du terrain, les coordonnées métriques et les événements d'action du ballon liés aux acteurs pour permettre une recherche unifiée sur la reconstruction de l'état du jeu et la détection des actions de balle.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Pour comprendre le football moderne, il faut observer deux types d'informations différents. Le premier est une carte de l'endroit où tout le monde se trouve à un instant donné, suivant le mouvement de chaque joueur et du ballon sur la pelouse. Le second est un registre de ce qu'ils font réellement : une passe, un tir, un tacle ou un but. Pendant des années, les chercheurs ont lutté pour étudier ces deux éléments ensemble. La plupart des données disponibles proviennent des diffusions télévisées, où la caméra suit l'action comme un projecteur. Cela signifie que lorsque le ballon se déplace de l'autre côté du terrain, les joueurs laissés derrière dans l'obscurité sont simplement ignorés. Leurs positions sont devinées ou totalement omises, ce qui rend impossible la vision d'ensemble du jeu tel qu'il se déroule. Sans voir l'ensemble du terrain, il est difficile de comprendre comment le bloc d'une équipe change ou comment une action spécifique se répercute sur l'ensemble du groupe.
Une équipe de chercheurs de l'Université de Nagoya et de l'Université de Tsukuba a désormais publié une nouvelle ressource qui réunit enfin la vue complète et l'histoire complète. Ils l'appellent SoccerTrack v2. Au lieu de s'appuyer sur une caméra qui pan la et zoome, ils ont utilisé des caméras fixes montées en hauteur au-dessus du stade qui capturent l'intégralité du terrain en un seul plan large. Cette configuration garantit qu'aucun joueur ne disparaît jamais du cadre, peu importe où va le ballon. Le jeu de données comprend dix matchs universitaires complets, totalisant plus de 930 minutes de vidéo continue. Pour chaque image de ces séquences, les chercheurs ont enregistré la localisation exacte de chaque joueur, son numéro de maillot, son rôle et l'équipe à laquelle il appartient. Ils ont également marqué chaque action de balle, d'une simple passe à un tacle complexe, et ont lié chaque action directement au joueur spécifique qui l'a effectuée. Cela crée un registre complet et synchronisé où le mouvement des joueurs et les événements du match sont liés d'une manière qui n'a jamais été possible auparavant.
Les chercheurs ont utilisé ces nouvelles données pour tester la capacité des ordinateurs à reconstruire l'état du jeu et à repérer des actions spécifiques. Ils ont conçu un système pour suivre les joueurs sur toute la durée d'un match, qui peut durer jusqu'à 45 minutes pour une seule mi-temps. Lorsqu'ils ont testé ce système sur de courts clips de seulement 30 secondes, il a été très performant, identifiant correctement les joueurs et leurs emplacements. Cependant, lorsqu'ils ont laissé le système fonctionner sur la durée complète du match, sa précision a considérablement chuté. Plus la séquence vidéo devenait longue, plus il était difficile pour l'ordinateur de garder la trace de qui était qui. Le système a commencé à perdre le fil des identités, confondant les joueurs ou les perdant totalement au fil du temps. Cette découverte est cruciale car elle montre qu'un système qui fonctionne parfaitement sur un court extrait vidéo ne peut pas être supposé fonctionner aussi bien sur un match complet. Les défis du suivi à long terme sont réels et distincts des défis de l'analyse à court terme.
Dans une seconde expérience, l'équipe a tenté d'apprendre à un ordinateur à reconnaître les actions de balle, telles qu'une passe ou un tir, en utilisant uniquement les données de mouvement des joueurs et du ballon, sans regarder les pixels de la vidéo elle-même. Ils ont découvert que savoir où se trouvaient les joueurs suffisait à deviner la plupart des actions avec une précision raisonnable. Cependant, lorsqu'ils ont ajouté la trajectoire spécifique du ballon aux informations, la capacité de l'ordinateur à repérer les actions s'est considérablement améliorée, en particulier pour les événements qui se produisent très rapidement. Le mouvement du ballon fournissait un indice critique que la position des joueurs seule ne pouvait pas pleinement capturer. Curieusement, l'ordinateur a le plus de difficultés avec les actions impliquant deux joueurs se disputant le ballon, comme un tacle ou un blocage. Ces moments sont difficiles à prédire car le résultat dépend d'une collision physique qui est difficile à percevoir en regardant simplement où les joueurs se tiennent.
La publication de ce jeu de données met également en évidence les limites de la technologie actuelle. Les chercheurs ont noté que, bien qu'ils puissent voir l'ensemble du terrain, l'angle de la caméra faisait en sorte que le ballon apparaisse souvent comme seulement quelques pixels, ce qui rend presque impossible pour un ordinateur de le détecter directement à partir de la vidéo. Au lieu de cela, ils ont dû s'appuyer sur le parcours enregistré du ballon, qui a été reconstruit à partir des registres d'événements plutôt que d'être observé image par image. Cela signifie que les résultats actuels sont basés sur un mélange de mouvement observé des joueurs et de données de ballon reconstruites. L'équipe a également précisé que les données proviennent de matchs de niveau universitaire, qui peuvent se jouer différemment des matchs professionnels, et que les systèmes de caméras utilisés sont fixes, contrairement aux caméras mobiles utilisées pour la télévision.
Malgré ces limites, ce travail représente une avancée majeure. En fournissant une ressource où le terrain complet, la durée complète et l'histoire complète sont disponibles dans un seul ensemble, les chercheurs ont offert à la communauté scientifique un nouveau standard de test. Ils ont montré qu'évaluer un système sur un court clip peut donner une vision faussement optimiste de ses performances. Pour véritablement comprendre le jeu, et pour construire des systèmes capables de regarder un match complet sans perdre la trace, les chercheurs doivent tester leurs méthodes sur la durée totale du match. SoccerTrack v2 offre le premier terrain de jeu complet pour ce type de travail, permettant aux scientifiques de voir exactement là où leurs outils actuels réussissent et là où ils échouent, ouvrant la voie à une compréhension plus profonde du beau jeu.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.