PingTactics：一个用于乒乓球动作识别和战术分析的多模态数据集

《ACM Transactions on Multimedia Computing, Communications, and Applications》：PingTactics: A Multimodal Dataset for Table Tennis Action Recognition and Tactical Analysis

PingTactics是专为乒乓球动作识别和战术分析设计的多模态数据集，包含专业比赛视频的详细标注，涵盖动作序列、位置动态和得分结果。采用半自动化标注流程，结合机器预标注和专家人工校验，验证实验显示该数据集能有效捕捉高强度比赛中的复杂动态模式，并支持基于四象限的战术评分分析，为体育智能分析和教练系统提供新工具。

　　

摘要人工智能摘要

要查看此由人工智能生成的摘要，您必须具有高级访问权限。

了解更多登录

摘要

摘要

在本文中，我们介绍了PingTactics，这是一个专为乒乓球动作识别和战术分析设计的多模态数据集。该数据集源自专业乒乓球比赛，包含标注的视频片段，这些片段记录了详细的球员动作、位置动态和得分结果。PingTactics的一个关键特点是其全面的时间注释框架，该框架包括前后动作的序列，从而能够研究细粒度的动作关系及其战术意义。我们通过结合机器辅助预标注和领域专家手动细化的半自动化流程来确保注释质量。为了验证数据集的有效性，我们使用了最先进的深度学习模型进行了广泛的实验，证明了PingTactics在捕捉高风险比赛中的复杂动态动作模式方面的有效性。除了动作识别之外，PingTactics还为战术评估提供了基础，我们的基于象限的得分分析揭示了互动模式、关键得分策略和球员倾向。通过提供细粒度的动作注释并实现战术洞察，PingTactics为推进体育分析研究提供了重要资源，对智能教练、球员表现评估以及乒乓球及相关领域的战略规划具有重要意义。

人工智能摘要

人工智能生成的摘要（实验性）

此摘要是使用自动化工具生成的，并非由文章作者编写或审核。它旨在帮助读者发现内容的相关性，并协助来自相关研究领域的读者理解本文。它旨在补充作者提供的摘要，后者仍然是文章的主要摘要。完整文章是权威版本。点击此处了解更多。

点击此处对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进未来的版本。

要查看此由人工智能生成的简单语言摘要，您必须具有高级访问权限。