arXiv · 机器人与计算机视觉· Tudor Braicu, Joseph DelPreto, Jared Boyer, M\'onika Farsang, Maximilian St\"olzle, Tim Niklas Seyde, Daniela Rus·· 22 天前AI 评分58
感知与预测动态体育:面向第一人称网球视频的视觉模型时空智能
Perceiving and Predicting Dynamic Sports: Spatiotemporal Intelligence in Vision Models for Egocentric Tennis Video
AI 导读
为探究基础视觉模型在移动第一人称视角下对动态场景的时空理解能力,作者构建了包含同步多视角视频、全局位置及击球标注的第一人称网球数据集。研究评估了七项预测任务,结果显示最佳模型在第一人称球员定位误差为 0.14 米,球体定位误差为 0.54 米;未来轨迹预测在 1.1 秒内误差分别为 0.34 米和 0.91 米。
来源:arXiv · 机器人与计算机视觉 · arxiv.org