SoccerNet: サッカービデオにおけるアクションスポットティングのためのスケーラブルデータセット

本論文では、サッカービデオにおけるアクションスポットティングのベンチマークであるSoccerNetを紹介します。このデータセットは、2014年から2017年にかけて3シーズンにわたる、6つの主要なヨーロッパリーグの500試合で構成されています。総再生時間は764時間です。3つの主要イベント（ゴール、イエローカード/レッドカード、選手交代）について、オンラインの試合レポートから自動的に1分間隔で解析された6,637件の時系列アノテーションが含まれています。これにより、データセットは容易に拡張可能です。これらのアノテーションは、明確に定義されたサッカーのルールに基づいて単一のタイムスタンプに固定することで、手動で1秒間隔まで精緻化されています。平均して6.9分間に1回のイベントが発生するため、このデータセットは長時間ビデオ内の非常に稀なイベントの位置特定問題に焦点を当てています。スポットティングタスクをビデオ内でのサッカーイベントのアンカー位置を見つけることとして定義し、最近の一般的なアクション認識と検出に関する進展を利用することで、サッカーイベント検出の強力なベースラインを提供しています。私たちの最良モデルは、1分間隔での時系列セグメント分類において平均精度（mean Average Precision: mAP）67.8%を達成しました。スポットティングタスクでは、許容範囲 $\delta$ が5秒から60秒の場合に平均mAP 49.7%を達成しています。当該データセットおよびモデルは https://silviogiancola.github.io/SoccerNet で公開されています。