Artículos sobre "Analítica Deportiva"

Un nuevo método evalúa cuándo los bateadores deberían golpear las lanzamientos para tener mejores resultados.

Combinar datos reales con RL mejora el comportamiento de los agentes en entornos complejos.

Un nuevo enfoque para resumir tablas basado en las preguntas del usuario para obtener mejores insights.

Explorando métodos para reconocer acciones humanas en videos para varias aplicaciones.

Un enfoque nuevo para evaluar tanto las acciones de los jugadores con el balón como sin él.

Un método que utiliza datos históricos para desarrollar estrategias de baloncesto en tiempo real.

ShuttleSet ofrece datos detallados para analizar partidos de individuales de bádminton.

ShuttleSet22 ofrece información valiosa sobre el rendimiento y las estrategias en bádminton.

Analizando el rendimiento del equipo y el equilibrio de la competencia en las carreras de ciclismo usando la entropía de Shannon y el HHI.

Un estudio sobre cómo las actuaciones extremas en natación pueden predecir récords futuros.

Un marco mejora cómo predecimos y entendemos las actividades humanas.

CAMP ofrece una vista detallada de las contribuciones de los jugadores en el cricket.

Un marco para clasificar acciones de fútbol de manera eficiente usando análisis de video.

Un nuevo algoritmo para agrupar rutas de movimiento similares en grandes conjuntos de datos.

Un nuevo enfoque para estimar la pose 3D de forma precisa usando imágenes.

Un método para clasificar equipos de balonmano basado en los goles anotados y recibidos.

Un nuevo método para adaptar modelos a datos del mundo real sin perder la privacidad.

Un enfoque nuevo mejora la precisión al predecir los resultados de los partidos de balonmano utilizando datos históricos.

Un estudio sobre rankings que evolucionan según el rendimiento a lo largo del tiempo.

N nuevas métricas evalúan a los jugadores de fútbol incluyendo todos los intentos de tiro, incluso los que fallan.

Un nuevo método mejora el análisis de juegos de voleibol usando estructuras de datos basadas en grafos.

Self-DETR mejora la detección de acciones en video al optimizar los mecanismos de atención.

Nuestro método mejora la estimación de la postura del lanzador usando análisis de video para reducir el impacto del desenfoque de movimiento.

Un nuevo enfoque mejora la identificación del jugador a través del análisis de fotogramas clave.

RePGARS mejora el reconocimiento de actividades usando poses renderizadas sin depender de un seguimiento preciso.

Un nuevo método para predecir el comportamiento de los agentes a pesar de observaciones incompletas.

Un nuevo método mejora la precisión al recuperar mallas humanas de imágenes.

Un nuevo método predice los eventos de fútbol de manera más precisa y eficiente usando aprendizaje profundo.

Los LEMs dan ideas sobre el rendimiento de los jugadores de fútbol y la dinámica del equipo.

Nuevos conjuntos de datos revelan dificultades para identificar a los corredores y el texto en condiciones de barro.

MOTIP simplifica el seguimiento de múltiples objetos, mejorando la eficiencia y la precisión.

El Modelo de Mallows Agrupado mejora cómo analizamos las preferencias en los rankings.

Un nuevo conjunto de datos y marco para rastrear jugadores de fútbol usando video de una sola cámara.

Un nuevo método clasifica a los jugadores según las interacciones y combinaciones del equipo.

Modelos avanzados podrían ayudar a los gerentes de Fantasy Premier League a tomar mejores decisiones de equipo.

La investigación explora métodos innovadores para predecir los resultados de los partidos de balonmano.

Un método para evaluar la incertidumbre en las predicciones de grafos usando predicción conforme.

UniTraj aborda los desafíos del modelado de trayectorias de múltiples agentes con un enfoque unificado.

Un nuevo marco mejora el reconocimiento de acciones en movimientos no vistos a través de una mejor comprensión semántica.

Presentando puntos esperados y EPAA para evaluar las contribuciones de los jugadores en el baloncesto.