[논문 리뷰] Fine-Grained Retrieval of Sports Plays using Tree-Based Alignment of Trajectories

Long Sha, Patrick Lucey외 4명|arXiv (Cornell University)|2017. 10. 06.

Data Management and Algorithms참고 문헌 40인용 수 14

한 줄 요약

이 논문은 다중 에이전트 스포츠 플레이의 미세한 검색을 위한 트리 기반 계층적 정렬 방법을 제안하며, 궤도 비교에서 발생하는 순열 문제를 해결하기 위해 플레이어 트랙의 거시적에서 미시적 정렬을 가능하게 한다. 이 방법은 최신 기술 대비 유의미하게 높은 검색 정확도를 확보하였으며, 특히 서브셋 기반 쿼리에서 뛰어난 성능을 보였다. 전문가 사용자 연구를 통해 유사도 순위의 정밀도가 높아짐을 입증하였다.

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.

연구 동기 및 목표

• 플레이 도중 플레이어 정체성이 자주 위치를 바꾸는 다중 에이전트 시공간 데이터에서 순열 정렬 문제를 해결하기 위해.
• 다수의 플레이어가 동적으로 이동하는 복잡한 궤적 간의 정확한 유사도 추정을 가능하게 하여 스포츠 플레이의 미세한 검색을 향상시키기 위해.
• 스포츠 분석가들이 예시 기반 및 서브셋 기반 쿼리를 지원하는 확장 가능하고 효과적인 검색 시스템을 개발하기 위해.
• 전문가 사용자 연구를 통해 기존의 정렬 및 검색 기법 대비 본 방법의 우수성을 검증하기 위해.
• 실제 스포츠 분석에서 유사 플레이를 신속하고 직관적으로 검색할 수 있도록 하여, 검색 시간을 수일에서 수초로 단축시키기 위해.

제안 방법

• 이 방법은 다중 에이전트 데이터 정렬을 거시적에서 미시적 방식으로 수행하기 위해 계층적 트리 구조를 사용하며, 다양한 해상도 수준에서 궤적을 군집화한다.
• 트리의 각 수준에서 플레이어 간 상대적 공간 구성 방식을 나타내는 템플릿을 학습함으로써, 프레임 간 일관된 정렬을 가능하게 한다.
• 트리 구조는 공간 형상 유사도 기반으로 데이터를 반복적으로 분할함으로써 효율적인 검색과 비교를 가능하게 한다.
• 순열 보정 후 정렬된 궤적에 유클리드 거리 기반 유사도 측정법을 적용하여 강인한 비교를 보장한다.
• 대규모 플레이 데이터베이스에서 신속한 색인 및 검색을 위해 국소성에 민감한 해싱(LSH)을 통합한다.
• 이 방법은 전체 플레이 및 서브셋 기반 쿼리를 모두 지원하며, 사용자가 관련 플레이어만 선택하여 검색할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 계층적 트리 기반 정렬 방법이 단일 템플릿 또는 쌍별 정렬 대비 다중 에이전트 시공간 데이터에서의 유사도 추정에 더 나은 성능을 보일 수 있는가?
• RQ2 단일 플레이어 집합 외의 일부 플레이어만 관심 대상인 서브셋 기반 검색에서 본 방법의 성능은 어떠한가?
• RQ3 트리 기반 정렬이 검색 정밀도 및 사용자 선호도 측면에서 최신 기술 대비 뛰어난가?
• RQ4 자주 발생하는 플레이어 위치 교환으로 인한 순열 문제를 효과적으로 처리할 수 있는가?
• RQ5 계층적 구조가 실제 스포츠 데이터에서 검색 효율성과 정확도 향상에 어느 정도 기여하는가?

주요 결과

• 제안된 트리 기반 정렬 방법은 기준 방법 대비 사용자 연구에서 특히 서브셋 기반 검색 시나리오에서 유의미하게 높은 정밀도를 확보하였다.
• 분야 전문가를 대상으로 한 사용자 연구를 통해, 본 방법을 활용한 예시 기반 검색 인터페이스가 텍스트 기반 또는 키워드 기반 시스템보다 더 효과적이고 사용자 친화적임을 확인하였다.
• 압축성 실험에서 기존 정렬 기법 대비 본 방법이 팀 행동의 구조적 표현을 더 우수하게 유지함을 입증하였다.
• 실제 스포츠 분석 워크플로우에서 검색 시간을 수일에서 수초로 단축시켜 실용적 유용성을 입증하였다.
• 계층적 정렬은 플레이어 순열에 대한 강건성을 향상시켜, 플레이 도중 플레이어 정체성이 이동하더라도 정확한 비교가 가능하게 하였다.
• 바 차트로 나타낸 승률 결과에서, 다양한 지표와 검색 설정 전반에서 일관된 성능 향상을 보였다.