[논문] SoccerNet 2026 플레이어‑중심 볼 액션 스포팅: FOOTPASS 베이스라인 재학습 및 후처리 확장

Source: arXiv - 2606.09679v1

개요

우리는 SoccerNet 2026 Player‑Centric Ball‑Action Spotting Challenge를 위한 시스템을 소개한다. 이 챌린지는 방송 축구 영상에서 8개의 클래스에 걸쳐 누가 언제 어떤 행동을 수행했는지를 예측해야 한다. 세 가지 FOOTPASS 베이스라인[1] (TAAD, TAAD+GNN, TAAD+DST)을 기반으로 네 가지 확장을 제안한다: (1) 단일 GPU에서 전체 백본 파인튜닝을 가능하게 하는 gradient checkpointing; (2) GNN 로짓을 DST 인코더에 융합하여 그래프 기반 전술 컨텍스트와 선수별 시각 특징을 결합; (3) 훈련 데이터에서 213:1의 패스 대 태클 불균형을 완화하기 위한 제곱근 빈도 클래스 가중치; (4) 클래스별 로짓 게이팅, 시간 프레임 정제, 유니폼 재배정, 두 모델 앙상블을 포함하는 후처리 파이프라인. 우리 시스템은 테스트 세트에서 0.548 Macro F1, 챌린지 세트(서버 평가)에서 0.446을 달성하였다.

주요 기여

이 논문은 다음 분야의 연구를 제시한다:

• cs.CV

방법론

자세한 방법론은 전체 논문을 참고하시기 바란다.

실용적 함의

본 연구는 cs.CV 분야의 발전에 기여한다.

저자

• Parthsarthi Rawat

논문 정보

• arXiv ID: 2606.09679v1
• Categories: cs.CV
• Published: 2026년 6월 8일
• PDF: Download PDF