Key points are not available for this paper at this time.
Wir schlagen ein optimierungsbasiertes Framework vor, um Sportfeldvorlagen in Broadcast-Videos zu registrieren. Für eine präzise Registrierung gehen wir über das gängige Feed-Forward-Paradigma hinaus. Stattdessen schlagen wir vor, ein tiefes Netzwerk zu trainieren, das den Registrierungsfehler regressiert, und dann Bilder zu registrieren, indem wir die Registrierungsparameter finden, die den regressierten Fehler minimieren. Wir demonstrieren die Effektivität unserer Methode, indem wir sie auf reale Sport-Broadcast-Videos anwenden und die derzeitigen Standards übertreffen. Ferner wenden wir unsere Methode auf ein synthetisches Spielbeispiel an und zeigen, dass unsere Methode signifikante Gewinne erzielt, selbst wenn das Problem vereinfacht ist und unbegrenzte Trainingsdaten verfügbar sind.
Jiang et al. (Sun,) haben diese Frage untersucht.