SoccerTrack v2: A Full-Pitch Panoramic Video Dataset for Game State Reconstruction and Ball Action Spotting
SoccerTrack v2 introduce un dataset completo di 932 minuti di video panoramico 4K provenienti da dieci partite di livello universitario, integrando traiettorie dei giocatori su intero campo, coordinate metriche ed eventi di azione della palla collegati agli attori per consentire la ricerca unificata sulla ricostruzione dello stato di gioco e sul rilevamento delle azioni della palla.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Per comprendere il calcio moderno, bisogna guardare a due tipi diversi di informazioni. La prima è una mappa di dove tutti si trovano in ogni dato momento, tracciando il movimento di ogni giocatore e della palla attraverso il prato. La seconda è un registro di ciò che fanno effettivamente: un passaggio, un tiro, un tackle, o un gol. Per anni, i ricercatori hanno faticato a studiare queste due cose insieme. La maggior parte dei dati disponibili proviene dalle trasmissioni televisive, dove la telecamera segue l'azione come un riflettore. Ciò significa che quando la palla si sposta dall'altra parte del campo, i giocatori lasciati indietro nell'oscurità vengono semplicemente ignorati. Le loro posizioni vengono ipotizzate o lasciate del tutto fuori, rendendo impossibile vedere l'immagine completa del gioco mentre si svolge. Senza vedere l'intero campo, è difficile capire come la forma di una squadra cambi o come un'azione specifica si propaghi attraverso l'intero gruppo.
Un team di ricercatori dell'Università di Nagoya e dell'Università di Tsukuba ha ora rilasciato una nuova risorsa che finalmente unisce la visione completa e la storia completa. Lo chiamano SoccerTrack v2. Invece di affidarsi a una telecamera che ruota e zooma, hanno utilizzato telecamere fisse montate in alto nello stadio che catturano l'intero campo in un unico scatto grandangolare. Questa configurazione assicura che nessun giocatore scompaia mai dall'inquadratura, indipendentemente da dove vada la palla. Il dataset include dieci partite intere di livello universitario, per un totale di oltre 930 minuti di video continuo. Per ogni singolo fotogramma di queste riprese, i ricercatori hanno registrato l'esatta posizione di ogni giocatore, il suo numero di maglia, il suo ruolo e la squadra di appartenenza. Hanno anche etichettato ogni azione con la palla, dal semplice passaggio a un tackle complesso, e hanno collegato ogni azione direttamente al giocatore specifico che l'ha eseguita. Questo crea un registro completo e sincronizzato in cui il movimento dei giocatori e gli eventi della partita sono legati tra loro in un modo che non era mai stato possibile prima.
I ricercatori hanno utilizzato questi nuovi dati per testare quanto bene i computer possano ricostruire lo stato del gioco e individuare azioni specifiche. Hanno costruito un sistema per tracciare i giocatori durante l'intera durata di una partita, che può durare fino a 45 minuti per un singolo tempo. Quando hanno testato questo sistema su brevi clip di soli 30 secondi, ha funzionato piuttosto bene, identificando correttamente i giocatori e le loro posizioni. Tuttavia, quando hanno lasciato che il sistema girasse per l'intera durata della partita, la sua precisione è diminuita significativamente. Più lunga diventava la sequenza video, più difficile era per il computer tenere traccia di chi fosse chi. Il sistema ha iniziato a perdere la presa sulle identità, confondendo i giocatori o perdendoli del tutto con il passare del tempo. Questo risultato è fondamentale perché dimostra che un sistema che funziona perfettamente su un breve frammento di video non può essere assunto come altrettanto efficace su una partita intera. Le sfide del tracciamento a lungo termine sono reali e distinte dalle sfide dell'analisi a breve termine.
In un secondo esperimento, il team ha cercato di insegnare a un computer a riconoscere le azioni con la palla, come un passaggio o un tiro, utilizzando solo i dati di movimento dei giocatori e della palla, senza guardare i pixel del video stesso. Hanno scoperto che conoscere la posizione dei giocatori era sufficiente per indovinare la maggior parte delle azioni con una ragionevole precisione. Tuttavia, quando hanno aggiunto il percorso specifico della palla alle informazioni, la capacità del computer di individuare le azioni è migliorata drasticamente, specialmente per gli eventi che accadono molto rapidamente. Il movimento della palla ha fornito un indizio critico che le sole posizioni dei giocatori non potevano cogliere appieno. Interessante è che il computer ha incontrato le maggiori difficoltà con le azioni che coinvolgono due giocatori in lotta per la palla, come un tackle o un blocco. Questi momenti sono difficili da prevedere perché l'esito dipende da una collisione fisica che è difficile da vedere guardando solo dove si trovano i giocatori.
Il rilascio di questo dataset evidenzia anche i limiti dell'attuale tecnologia. I ricercatori hanno notato che, sebbene potessero vedere l'intero campo, l'angolo della telecamera faceva sì che la palla apparisse spesso come pochi pixel, rendendo quasi impossibile per un computer rilevarla direttamente dal video. Inveve, hanno dovuto fare affidamento sul percorso registrato della palla, che è stato ricostruito dai log degli eventi piuttosto che osservato fotogramma per fotogramma. Ciò significa che i risultati attuali si basano su un mix di movimento osservato dei giocatori e dati della palla ricostruiti. Il team ha anche sottolineato che i dati provengono da partite di livello universitario, che potrebbero giocare in modo diverso rispetto alle partite professionistiche, e che i sistemi di telecamere utilizzati sono fissi, a differenza delle telecamere mobili usate per la televisione.
Nonostante queste limitazioni, il lavoro rappresenta un grande passo avanti. Fornendo una risorsa in cui l'intero campo, l'intera durata e la storia completa sono disponibili in un unico pacchetto, i ricercatori hanno offerto alla comunità scientifica un nuovo standard di test. Hanno dimostrato che valutare un sistema su una breve clip può dare una visione erroneamente ottimistica delle sue prestazioni. Per comprendere davvero il gioco, e per costruire sistemi che possano guardare una partita intera senza perdere il segno, i ricercatori devono testare i loro metodi sulla durata completa della partita. SoccerTrack v2 offre il primo campo di gioco completo per questo tipo di lavoro, permettendo agli scienziati di vedere esattamente dove i loro strumenti attuali hanno successo e dove falliscono, aprendo la strada a una comprensione più profonda del bellissimo gioco.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.