深層学習モデルを用いたフィギュアスケートにおけるステップシークエンスのエレメント認識

• Item type: SIG Technical Reports(1)
• 公開日: 2020-09-22
• タイトル: 深層学習モデルを用いたフィギュアスケートにおけるステップシークエンスのエレメント認識
• タイトル / 言語: en
• タイトル: Element Recognition of Step Sequences in Figure Skating Using Deep Learning Model
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 慶應義塾大学環境情報学部
• 著者所属: 慶應義塾大学大学院政策・メディア研究科
• 著者所属: 慶應義塾大学大学院政策・メディア研究科
• 著者所属: 慶應義塾大学環境情報学部
• 著者所属(英): en
• 著者所属(英): Faculty of Environment and Information Studies, Keio University
• 著者所属(英): en
• 著者所属(英): Graduate School of Media and Governance, Keio University
• 著者所属(英): en
• 著者所属(英): Graduate School of Media and Governance, Keio University
• 著者所属(英): en
• 著者所属(英): Faculty of Environment and Information Studies, Keio University
• 著者名: 岩田, あきほ; 川島, 寛乃; 大越, 匡; 中澤, 仁
• 著者名(英): Akiho, Iwata; Hirono, Kawashima; Tadashi, Okoshi; Jin, Nakazawa
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: フィギュアスケートでは，全ての演技の採点は一つ一つの技の出来栄えの判定結果を複雑に組み合わせて行う．そのため採点に審判の主観が含まれる可能性が問題視されている．そこで本研究では，採点の適正化を支援する取り組みのはじめの段階として深層学習モデルを使って技（エレメント）の認識を行う．本論文ではフィギュアスケートの演技構成要素の一つであるステップシークエンスに着目し，動画からエレメントの判別を行うモデル SkateNet を提案する．また，独自に収集したフィギュアスケートの動画よりスケートデータセットを作成する．実験ではフレームごとにエレメントの認識を行い精度で評価する．その結果，背景などの余分な情報が含まれていると元動画からエレメントを推定し識別することは難しいことから，そのようなノイズをできるだけ除去することが重要であることがわかった．また，より詳細な下半身の関節座標の使用により精度が向上するであろうことが示された．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In figure skating, all the performances are scored by a complex combination of judging results of each element. Therefore, the possibility of subjectivity of judges is considered to be a problem in scoring. In this study, as the first step of supporting the improvement of scoring, we use a deep learning model to recognize the elements of a performance. In this paper, we focus on the step sequence, which is one of the components of figure skating, and propose a model, SkateNet, that can identify the elements from the video clips. We also make a skate dataset from figure skating movies we collected. In our experiments, we recognize elements in each frame and evaluate the accuracy of the model. As a result, we found that it is important to remove the extra information such as background as much as possible because it is difficult to estimate and identify elements from the original video. It is also found that more detailed coordinates of the lower body joints would improve the accuracy of the estimation.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12628327
• 書誌情報: 研究報告コンシューマ・デバイス＆システム（CDS）; 巻 2020-CDS-28, 号 27, p. 1-8, 発行日 2020-09-22
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8604
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会