[论文] [视频] [演示] [教程] [网站] [TrackLab] [EvalAI]
</div>SoccerNet比赛状态重建:小地图上运动员的端到端跟踪和识别, CVPRW'24
Vladimir Somers, Victor Joos, Anthony Cioppa, Silvio Giancola, Seyed Abolfazl Ghasemzadeh, Floriane Magera, Baptiste Standaert, Amir Mohammad Mansourian, Xin Zhou, Shohreh Kasaei, Bernard Ghanem, Alexandre Alahi, Marc Van Droogenbroeck, Christophe De Vleeschouwer
欢迎使用SoccerNet比赛状态任务和挑战的开发套件。 该套件旨在帮助您开始处理数据和提出的任务。
SoccerNet比赛状态开 发套件基于TrackLab构建,TrackLab是一个多目标跟踪研究框架。
⚽ 什么是SoccerNet GSR? SoccerNet比赛状态重建(GSR)是一项新颖的计算机视觉任务,涉及从单个移动摄像机跟踪和识别球员,以构建类似视频游戏的小地图,无需球员佩戴任何特定硬件。 👉 虽然这项任务对体育产业具有巨大价值,但直到现在还没有适当的开源基准来比较方法!
🔎 工作亮点: 我们为比赛状态重建引入了一个新的基准,包括一个包含200个带注释片段的新数据集和一个新的评估指标。此外,我们发布了这个代码库,利用各种最先进的深度学习方法来支持该任务的进一步研究。
参加我们即将举行的CVPR 2024国际挑战赛(CVSports研讨会)! 参赛截止日期定于2024年5月30日。 官方挑战规则和提交说明可在ChallengeRules.md中找到。您可以将您的预测提交到EvalAI评估服务器。
[!重要] 我们更新了bbox-pitch注释以提高时间一致性。 请确保您至少使用数据集的1.3版本。 在Labels-GameState.json中:"info" > "version" >= 1.3
当前最新版本:
1.3
这个代码库仍在积极开发中,请务必定期回来获取最新更新! 别忘了将sn-gamestate和tracklab仓库都更新到最新提交。 如果遇到任何问题,请随时在GitHub上开启issue或在我们的官方Discord频道与我们互动:我们 很乐意提供详细说明来帮助您。
soccernet.yaml
中使用"nbjw_calib"替代"tvcalib",用于pitch
和calibration
。比赛状态重建可以被视为一项压缩任务,目标是从原始视频输入中提取体育比赛的高级信息。 需要提取的高级信息包括以下内容:
这些高级信息可以很好地显示为2D小地图、雷达视图或鸟瞰图(BEV),如上面的GIF所示。 比赛状态重建是一项具有挑战性的任务,因为它需要解决几个子任务,如:
GS-HOTA是一种新的评估指标,用于衡量GSR方法正确跟踪和识别体育场上所有运动员的能力。 GS-HOTA是HOTA指标的扩展,HOTA是一种流行的多目标跟踪评估指标。 为了在图像空间中匹配真实值和预测边界框,标准HOTA指标使用基于IoU的相似度分数。 GS-HOTA与HOTA的关键区别在于使用了一种新的相似度分数,考虑了GSR任务的特殊性,即额外的目标属性(球衣号码、角色、队伍)以及以2D点而非边界框形式提供的检测结果。 这个新的相似度分数,表示为$Sim_{GS-HOTA}(P, G)$,公式如下:
Sim_{\text{GS-HOTA}}(P, G) = \text{LocSim}(P, G) \times \text{IdSim}(P, G)
\text{其中 LocSim}(P, G) = e^{\ln(0.05)\frac{\|P - G\|_2^2}{\tau^2}}
\text{且 IdSim}(P, G) = \begin{cases} 1 & \text{如果所有属性匹配,} \\ 0 & \text{否则。} \end{cases}
$Sim_{\text{GS-HOTA}}$因此是两个相似度指标的组合。 第一个指标,定位相似度$\text{LocSim}(P, G)$,计算预测P和真实值G在球场坐标系中的欧几里得距离$|P - G|_2$。 随后使用高斯核处理这个距离,特殊距离容差参数$\tau$设为5米,得到最终分数落在$[0, 1]$范围内。 第二个指标,识别相似度$\text{IdSim}(P, G)$,仅当所有属性匹配时才设为1,即角色、队伍和球衣号码。 G中未提供的属性将被忽略,例如裁判的球衣号码。 因此,GSR方法必须为非球员角色输出"null"队伍和球衣号码属性,以及在视频中不可见时输出"null"球衣号码。 最后,一旦P和G 匹配,DetA和AssA将被计算并整合到最终的GS-HOTA分数中,遵循HOTA指标的原始公式。 GS-HOTA因此对预测检测结果施加了非常严格的约束,因为未能正确预测检测的所有属性会将其变成假阳性。 我们基于将定位数据分配给不正确或不存在的身份可能对下游应用产生的严重影响来证明这种严格约束的合理性。 我们建议读者参考官方论文以获取关于GS-HOTA的详细描述和讨论。
为了这个挑战的目的,我们使用TrackLab框架,这是一个开源模块化跟踪框架。 TrackLab仓库包含所有与多目标跟踪相关的通用代码(对象检测、重新识别、跟踪算法等),而sn-gamestate仓库包含特定于SoccerNet比赛状态重建任务的附加代码(球衣号码识别、队伍归属等)。 下面的图表代表了基线的完整流程。 TrackLab使得在流程中添加/定制/替换模块变得容易。 这使参与者能够专注于挑战的一个或多个特定子任务,而不必担心其他任务。 我们强烈建议参与者分析一些视频,以更好地直观了解应该改进流程的哪些部分。 我们在SoccerNet比赛状态重建论文中提供了关于基线所有组件的更多技术细节。
本指南将告诉您如何安装框架、下载数据集和所有模型权重,并在验证集中的单个视频上运行基线。
Tracklab将在您当前工作目录下的output/{date}/{time}/visualization/videos/021.mp4
创建一个.mp4
视频,展示比赛状态重建结果。
在首次运行基线之前,您需要克隆项目并按照下面的描述设置环境。
首先在相邻目录中git克隆这个仓库和TrackLab框架:
mkdir soccernet cd soccernet git clone https://github.com/SoccerNet/sn-gamestate.git git clone https://github.com/TrackingLaboratory/tracklab.git
[!注意] 如果您使用的是集成开发环境(如PyCharm或VS Code),我们建议创建一个以
soccernet
为根目录的单一项目。 操作说明:PyCharm和VS Code
cd sn-gamestate poetry install poetry run mim install mmcv==2.0.1 poetry shell
要进入Poetry创建的虚拟环境,您可以使用poetry shell
,
或者在所有命令前加上poetry run
前缀。
conda create -n tracklab pip python=3.10 pytorch==1.13.1 torchvision==0.14.1 pytorch-cuda=11.7 -c pytorch -c nvidia -y conda activate tracklab
cd sn-gamestate pip install -e . pip install -e ../tracklab mim install mmcv==2.0.1
请务必定期查看官方GitHub以获取更新。
要将此存储库更新到最新版本,请在两个存储库上运行git pull
:
git pull git -C ../tracklab pull
更新后,您应该重新运行依赖项的安装,以防它们已更新
(运行poetry install
或两个pip install
命令)。
我们会在soccernet discord上发布重大更新。
当您第一次运行基线时,Tracklab将自动下载SoccerNet-gamestate数据集和所有模型权重。 如果脚本在下载完成前停止,请删除数据集文件夹并从头开始,以避免任何错误。 如果您选择此选项,可以直接进入下一步。
如果您想手动下载数据集,可以在安装soccernet包(pip install SoccerNet
)后运行以下代码片段:
from SoccerNet.Downloader import SoccerNetDownloader
mySoccerNetDownloader = SoccerNetDownloader(LocalDirectory="data/SoccerNetGS")
mySoccerNetDownloader.downloadDataTask(task="gamestate-2024",
split=["train", "valid", "test", "challenge"])
运行此代码后,请解压文件夹,使数据结构如下:
data/
SoccerNetGS/
train/
valid/
test/
challenge/
您可以使用以下命令行解压它们:
cd data/SoccerNetGS unzip gamestate-2024/train.zip -d train unzip gamestate-2024/valid.zip -d valid unzip gamestate-2024/test.zip -d test unzip gamestate-2024/challenge.zip -d challenge cd ../..
[!重要] 当前数据集版本为v1.3。请检查 其中一个"Labels-GameState.json"文件,确保这确实是 您当前使用的版本。
您可以使用上述SoccerNet pip包手动更新数据集,或者 通过(重新)移动数据集目录并使用TrackLab的自动下载功能进行更新。
版本 | 更新日志 |
---|---|
1.3 | 改进了边界框场地运动员位置的时间一致性 |
1.2 | 数据清理 |
1.1 | 球队左/右注释修正 |
1.0 | 原始发布 |
[!注意] Tracklab使用Hydra配置库。
在运行代码之前,您需要在soccernet.yaml中设置一些变量:
data_dir
:存储不同数据集的目录(必须是绝对路径!)。如果您选择了自动下载选项,data_dir
应该已经指向正确的位置。batch_size
(如果遇到内存问题,请降低这些值)最后,使用以下命令运行SoccerNet游戏状态重构基线:
python -m tracklab.main -cn soccernet
默认情况下,此命令将在一个SoccerNet验证序列上执行游戏状态重构,在保存到磁盘的.mp4视频中显示结果,并打印最终性能指标。 请记住,在首次运行时,数据集和所有模型权重将自动下载。
您可以通过运行以下命令查看所有可能的配置组:
python -m tracklab.main --help
您可以在soccernet.yaml中查看默认参数。
我们邀请用户仔细阅读以下资源:
如果您想在tracklab管道中添加新模块,可以将其添加到此存储库中, 方法是在sn_gamestate中添加代码(新目录),并在 sn_gamestate/configs/modules中添加配置文件,这些文件将自动添加。
如果您想创建一个使用tracklab的独立项目,您需要使用入口点声明
配置文件的位置。入口点组应为tracklab_plugin
,并应指向包含名为config_package
变量的类,
如这里所示,该变量应指向配置文件夹的位置。
暂时,您也可以使用Hydra的--config-dir
指定目录。
跟踪器状态是Tracklab保存所有跟踪预测的地方,即所有检测结果及其信息,如 边界框、reid嵌入、球衣号码、跟踪ID等。 跟踪器状态可以保存到磁盘并重新加载,以节省下次运行的计算时间。 请查看使用跟踪器状态的Tracklab教程以获取更多信息。 我们在Zenodo上提供了验证集、测试集和挑战集的基线跟踪器状态。
如果升级到最新版本后遇到问题,请记得运行poetry install
或pip install -e .
和pip install -e ../tracklab
以保持环境更新。
如果需要进一步帮助,请随时在GitHub上提出问题或在Discord上联系我们。
我们将尝试收集有趣的问题并在FAQ中回答。
如果您在研究中使用本仓库或希望引用我们的贡献,请使用以下BibTeX条目:
@inproceedings{Somers2024SoccerNetGameState,
title = {{SoccerNet} Game State Reconstruction: End-to-End Athlete Tracking and Identification on a Minimap},
author = {Somers, Vladimir and Joos, Victor and Giancola, Silvio and Cioppa, Anthony and Ghasemzadeh, Seyed Abolfazl and Magera, Floriane and Standaert, Baptiste and Mansourian, Amir Mohammad and Zhou, Xin and Kasaei, Shohreh and Ghanem, Bernard and Alahi, Alexandre and Van Droogenbroeck, Marc and De Vleeschouwer, Christophe},
booktitle = cvsports,
shortjournalproceedings = {2024 IEEE/CVF Conf. Comput. Vis. Pattern Recognit. Work. (CVPRW)},
month = Jun,
year = {2024},
address = city-seattle,
}
@misc{Joos2024Tracklab,
title = {{TrackLab}},
author = {Joos, Victor and Somers, Vladimir and Standaert, Baptiste},
journal = {GitHub repository},
year = {2024},
howpublished = {\url{https://github.com/TrackingLaboratory/tracklab}}
}
@inproceedings{Mansourian2023Multitask,
title = {Multi-task Learning for Joint Re-identification, Team Affiliation, and Role Classification for Sports Visual Tracking},
author = {Mansourian, Amir M. and Somers, Vladimir and De Vleeschouwer, Christophe and Kasaei, Shohreh},
booktitle = mmsports,
shortjournalproceedings = {Proc. 6th Int. Work. Multimedia Content Anal. Sports},
pages = {103–112},
month = Oct,
year = {2023},
publisher = {ACM},
address = city-ottawa,
doi = {10.1145/3606038.3616172},
url = {https://doi.org/10.1145/3606038.3616172}
}
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS( 视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。
HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。
一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。
WebUI for Browser Use 是一个强大的项目,它集成了多种大 型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。
基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。
xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发 爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。
一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。
olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。
飞书多维表格 ×DeepSeek R1 满血版
飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。