[論文レビュー] Fine-Grained Retrieval of Sports Plays using Tree-Based Alignment of Trajectories

Long Sha, Patrick Lucey+4 more|arXiv (Cornell University)|Oct 6, 2017

Data Management and Algorithms参考文献 40被引用数 14

ひとこと要約

本論文は、マルチエージェントスポーツプレーの細粒度検索のための木構造ベースの階層的アライメント手法を提案する。トラジェクトリ比較における順列問題に対処し、選手の軌跡を粗いものから細かいものへ段階的にアライメントすることを可能にする。この手法は、最先端の手法と比較して、特にサブセットベースのクエリにおいて顕著に高い検索精度を達成しており、熟練者によるユーザースタディーでも類似順序付けの精度が向上していることが確認されている。

ABSTRACT

We propose a novel method for effective retrieval of multi-agent spatiotemporal tracking data. Retrieval of spatiotemporal tracking data offers several unique challenges compared to conventional text-based retrieval settings. Most notably, the data is fine-grained meaning that the specific location of agents is important in describing behavior. Additionally, the data often contains tracks of multiple agents (e.g., multiple players in a sports game), which generally leads to a permutational alignment problem when performing relevance estimation. Due to the frequent position swap of agents, it is difficult to maintain the correspondence of agents, and such issues make the pairwise comparison problematic for multi-agent spatiotemporal data. To address this issue, we propose a tree-based method to estimate the relevance between multi-agent spatiotemporal tracks. It uses a hierarchical structure to perform multi-agent data alignment and partitioning in a coarse-to-fine fashion. We validate our approach via user studies with domain experts. Our results show that our method boosts performance in retrieving similar sports plays -- especially in interactive situations where the user selects a subset of trajectories compared to current state-of-the-art methods.

研究の動機と目的

• マルチエージェント時空間データにおける順列アライメントの課題に対処すること。特に、プレー中に選手のアイデンティティが頻繁に位置を入れ替える状況を想定する。
• 複数の選手の複雑で動的な軌跡間の正確な類似性推定を可能にすることで、スポーツプレーの細粒度検索を向上させること。
• エグジンプレアベースおよびサブセットベースのクエリをサポートする、スケーラブルで効果的な検索システムの開発。
• 熟練者によるユーザースタディーを通じて、本手法が既存のアライメントおよび検索技術を上回ることを検証すること。
• スポーツアナリティクスにおける実用的で高速かつ直感的な類似プレー検索を可能にし、作業時間を数日から数秒に短縮すること。

提案手法

• 本手法は、粗いものから細かいものへの段階的アプローチで、複数エージェントデータのアライメントを実現する階層的木構造を用いる。複数の解像度レベルで、軌跡をクラスタリングする。
• 木の各レベルで、選手間の相対的な空間的配置を表すテンプレートを学習し、フレーム間で一貫したアライメントを実現する。
• 木構造により、空間的フォーメーションの類似性に基づいて再帰的にデータを分割することで、効率的な検索と比較が可能になる。
• 順列補正後のアライメント済み軌跡に対して、ユークリッド距離に基づく類似性測度を適用し、頑健な比較を実現する。
• 大規模なプレーデータベースからの高速インデキシングと検索を実現するため、局所性に敏感なハッシュ（LSH）を統合する。
• 本手法は、完全なプレー検索とサブセットベースのクエリの両方をサポートする。ユーザーは、検索に必要な選手のみを選択可能である。

実験結果

リサーチクエスチョン

• RQ1 木構造ベースの階層的アライメント手法は、単一テンプレートまたはペアワイズアライメントと比較して、マルチエージェント時空間データにおける類似性推定を改善できるか？
• RQ2 本手法は、関心対象が選手の一部のみのサブセットベースの検索において、どのように性能を発揮するか？
• RQ3 本手法は、検索精度およびユーザーフレーバーの観点から、最先端の手法を上回るか？
• RQ4 本手法は、スポーツプレーにおいて頻繁に発生する選手の位置入れ替えに起因する順列問題を効果的に処理できるか？
• RQ5 階層的構造は、実世界のスポーツデータにおいて、検索の効率性と正確性をどの程度向上させるか？

主な発見

• 提案手法の木構造ベースのアライメントは、ベースライン手法と比較して、特にサブセットベースの検索シナリオにおいて顕著に高い精度を達成した。
• 分野の専門家によるユーザースタディーから、本手法を用いたエグジンプレアベースの検索インターフェースが、テキストベースやキーワードベースのシステムよりも効果的かつ使いやすいと確認された。
• 圧縮性実験において、本手法は既存のアライメント技術を上回り、チーム行動の構造的表現が優れていることが示された。
• 実際のスポーツアナリティクスワークフローにおいて、検索時間を数日から数秒に短縮した。これは、実用的価値を示している。
• 階層的アライメントにより、選手の順列変更に対するロバスト性が向上し、プレー中に選手のアイデンティティが入れ変わっても正確な比較が可能になった。
• バーチャートによる勝率の結果から、複数の指標および検索設定において、本検索システムは一貫した性能向上を示した。