arXiv · cs.RO· Tudor Braicu·· 11 小时前AI 评分45
网球动态感知与预测：基于第一人称视频的视觉模型时空智能研究
Perceiving and Predicting Dynamic Sports: Spatiotemporal Intelligence in Vision Models for Egocentric Tennis Video
AI 导读
研究团队构建了标注网球数据集，训练视觉模型完成7项时空预测任务，最佳模型实现球员定位误差0.14m、球定位误差0.54m，未来1.1s预测误差分别为0.34m和0.91m，接触时间预测误差0.14s。辅助深度信息显著提升3D球定位精度，更长图像历史未改善球预测效果。团队提出条件扩散模型可实时生成全身网球运动。
来源：arXiv · cs.RO · arxiv.org