SoccerTrack v2: A Full-Pitch Panoramic Video Dataset for Game State Reconstruction and Ball Action Spotting
SoccerTrack v2 दस विश्वविद्यालय-स्तरीय मैचों के 932 मिनट के 4K पैनोरमिक वीडियो का एक व्यापक डेटासेट पेश करता है, जो गेम स्टेट पुनर्निर्माण और बॉल एक्शन स्पॉटिंग पर एकीकृत अनुसंधान को सक्षम करने के लिए फुल-पिच प्लेयर ट्रैजेक्टरीज, मेट्रिक कोऑर्डिनेट्स और एक्टर-लिंक्ड बॉल एक्शन इवेंट्स को एकीकृत करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने नहीं लिखा है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
आधुनिक सॉकर (फुटबॉल) के खेल को समझने के लिए, किसी को दो अलग-अलग प्रकार की जानकारियों को देखना होगा। पहली जानकारी यह है कि किसी दिए गए क्षण में हर कोई कहाँ खड़ा है, जो घास पर हर खिलाड़ी और गेंद की गति को ट्रैक करती है। दूसरी जानकारी उनके द्वारा वास्तव में किए गए कार्यों का एक लॉग है: एक पास, एक शॉट, एक टैकल या एक गोल। वर्षों तक, शोधकर्ता इन दोनों चीजों का एक साथ अध्ययन करने के लिए संघर्ष करते रहे हैं। अधिकांश उपलब्ध डेटा टेलीविजन प्रसारणों से आता है, जहाँ कैमरा एक स्पॉटलाइट की तरह कार्रवाई का पीछा करता है। इसका अर्थ यह है कि जब गेंद मैदान के दूसरे छोर पर जाती है, तो पीछे छूटे हुए खिलाड़ियों को अंधेरे में छोड़ दिया जाता है और उन्हें अनदेखा कर दिया जाता है। उनकी स्थिति का अनुमान लगाया जाता है या उन्हें पूरी तरह से छोड़ दिया जाता है, जिससे खेल के पूरे दृश्य को समझना असंभव हो जाता है। पूरे मैदान को देखे बिना, यह समझना कठिन है कि एक टीम का आकार कैसे बदलता है या कैसे एक विशिष्ट क्रिया पूरे समूह में प्रभाव डालती है।
नागोया यूनिवर्सिटी और सुकुबा यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने अब एक नया संसाधन जारी किया है जो अंततः पूर्ण दृश्य और पूर्ण कहानी को एक साथ लाता है। वे इसे 'सॉकरट्रैक v2' (SoccerTrack v2) कहते हैं। पैन और ज़ूम करने वाले कैमरे पर निर्भर रहने के बजाय, उन्होंने स्टेडियम के ऊपर ऊँचाई पर लगे स्थिर कैमरों का उपयोग किया जो एक ही वाइड शॉट में पूरे पिच को कैप्चर करते हैं। यह सेटअप सुनिश्चित करता है कि कोई भी खिलाड़ी फ्रेम से बाहर नहीं जाता है, चाहे गेंद कहीं भी जाए। इस डेटासेट में दस पूर्ण विश्वविद्यालय-स्तरीय मैच शामिल हैं, जिनमें 930 मिनट से अधिक का निरंतर वीडियो है। इस फुटेज के प्रत्येक फ्रेम के लिए, शोधकर्ताओं ने प्रत्येक खिलाड़ी के सटीक स्थान, उनकी जर्सी नंबर, उनकी भूमिका और वे किस टीम के हैं, को रिकॉर्ड किया है। उन्होंने एक साधारण पास से लेकर एक जटिल टैकल तक, हर बॉल एक्शन को भी टैग किया है, और प्रत्येक एक्शन को सीधे उस विशिष्ट खिलाड़ी से जोड़ा है जिसने उसे किया था। यह एक पूर्ण, सिंक्रोनाइज़्ड रिकॉर्ड बनाता है जहाँ खिलाड़ियों की गति और खेल की घटनाएँ इस तरह से जुड़ी हुई हैं जैसा पहले कभी संभव नहीं था।
शोधकर्ताओं ने इस नए डेटा का उपयोग यह परीक्षण करने के लिए किया कि कंप्यूटर कितनी अच्छी तरह से गेम स्टेट (खेल की स्थिति) का पुनर्निर्माण कर सकते हैं और विशिष्ट क्रियाओं को पहचान सकते हैं। उन्होंने एक सिस्टम बनाया जो पूरे मैच की अवधि के दौरान खिलाड़ियों को ट्रैक कर सकता है, जो एक एकल हाफ के लिए 45 मिनट तक चल सकता है। जब उन्होंने इस सिस्टम का परीक्षण केवल 30 सेकंड के छोटे क्लिप पर किया, तो इसने काफी अच्छा प्रदर्शन किया, खिलाड़ियों और उनके स्थानों की सही पहचान की। हालाँकि, जब उन्होंने सिस्टम को पूरे मैच की लंबाई के लिए चलने दिया, तो इसकी सटीकता काफी कम हो गई। वीडियो का क्रम जितना लंबा होता गया, कंप्यूटर के लिए यह पहचानना उतना ही कठिन होता गया कि कौन कौन है। समय बीतने के साथ सिस्टम अपनी पहचान खोने लगा, खिलाड़ियों को आपस में मिलाने लगा या उन्हें पूरी तरह से खोने लगा। यह निष्कर्ष महत्वपूर्ण है क्योंकि यह दिखाता है कि एक सिस्टम जो वीडियो के छोटे हिस्से पर पूरी तरह से काम करता है, यह मान लेना गलत है कि वह पूरे खेल में भी उतना ही अच्छा काम करेगा। दीर्घकालिक ट्रैकिंग की चुनौतियाँ वास्तविक हैं और अल्पकालिक विश्लेषण से अलग हैं।
एक दूसरे प्रयोग में, टीम ने कंप्यूटर को केवल खिलाड़ियों और गेंद की गति का उपयोग करके, वीडियो पिक्सल को देखे बिना, पास या शॉट जैसे बॉल एक्शन को पहचानना सिखाने की कोशिश की। उन्होंने पाया कि यह जानना कि खिलाड़ी कहाँ थे, अधिकांश क्रियाओं का उचित सटीकता के साथ अनुमान लगाने के लिए पर्याप्त था। हालाँकि, जब उन्होंने सूचना में गेंद के विशिष्ट पथ (path) को जोड़ा, तो कंप्यूटर की क्रियाओं को पहचानने की क्षमता में नाटकीय रूप से सुधार हुआ, विशेष रूप से उन घटनाओं के लिए जो बहुत तेज़ी से होती हैं। गेंद की गति ने एक महत्वपूर्ण सुराग प्रदान किया जिसे केवल खिलाड़ियों की स्थिति अकेले पूरी तरह से कैप्चर नहीं कर सकती थी। दिलचस्प बात यह है कि कंप्यूटर को उन क्रियाओं के साथ सबसे अधिक संघर्ष करना पड़ा जिनमें दो खिलाड़ी गेंद के लिए लड़ रहे थे, जैसे कि एक टैकल या ब्लॉक। ये क्षण कठिन होते हैं क्योंकि इनका परिणाम एक भौतिक टकराव पर निर्भर करता है जिसे केवल यह देखकर समझना कठिन है कि खिलाड़ी कहाँ खड़े हैं।
इस डेटासेट का विमोचन वर्तमान तकनीक की सीमाओं को भी उजागर करता है। शोधकर्ताओं ने नोट किया कि जबकि वे पूरे मैदान को देख सकते थे, कैमरा एंगल के कारण गेंद अक्सर केवल कुछ पिक्सल के रूप में दिखाई देती थी, जिससे कंप्यूटर के लिए इसे सीधे वीडियो से पहचानना लगभग असंभव हो जाता था। इसके बजाय, उन्हें इवेंट लॉग से पुनर्गठित किए गए गेंद के पथ पर निर्भर रहना पड़ा, न कि फ्रेम-दर-फ्रेम देखने पर। इसका मतलब है कि वर्तमान परिणाम देखे गए खिलाड़ी की गति और पुनर्गठित बॉल डेटा के मिश्रण पर आधारित हैं। टीम ने यह भी बताया कि डेटा विश्वविद्यालय-स्तरीय मैचों से आता है, जो पेशेवर खेलों की तुलना में अलग तरह से खेल सकते हैं, और उपयोग किए गए कैमरा सिस्टम स्थिर हैं, टेलीविजन में उपयोग किए जाने वाले चलते-फिरते कैमरों के विपरीत।
इन सीमाओं के बावजूद, यह कार्य एक बड़ी प्रगति का प्रतिनिधित्व करता है। एक ऐसे संसाधन को प्रदान करके जहाँ पूर्ण क्षेत्र, पूर्ण अवधि और पूर्ण कहानी एक ही पैकेज में उपलब्ध है, शोधकर्ताओं ने वैज्ञानिक समुदाय को एक नया मानक दिया है। उन्होंने दिखाया है कि एक छोटे क्लिप पर किसी सिस्टम का मूल्यांकन करना उसके प्रदर्शन का भ्रामक रूप से आशावादी दृश्य दे सकता है। खेल को वास्तव में समझने के लिए, और ऐसे सिस्टम बनाने के लिए जो पूरे मैच को बिना ट्रैक खोए देख सकें, शोधकर्ताओं को अपने तरीकों का परीक्षण पूरे खेल की लंबाई पर करना चाहिए। सॉकरट्रैक v2 इस तरह के काम के लिए पहला पूर्ण खेल मैदान प्रदान करता है, जिससे वैज्ञानिकों को यह देखने की अनुमति मिलती है कि उनके वर्तमान उपकरण कहाँ सफल होते हैं और कहाँ विफल होते हैं, जो इस सुंदर खेल की गहरी समझ का मार्ग प्रशस्त करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।