AIによって生成されたスポーツのハイライト：様々なアプローチ方法

URLをコピーしました！

プレーヤーがフィールドを離れた後、視聴者の注意を引くための競争はまだ終わっていません。今では、ハイライト編集やゲーム製作できる人なら誰でも、最初に優位に立つことができます。それでは、人工知能の助けを借りて、メディア企業がまさにそれを行う方法について一例を紹介（仮説思考）しましょう。

テレビ局と各種スポーツリーグは、視聴者に彼らが制作できる最高のスポーツコンテンツを提供するために不必要なことはしていません。テレビでもフィールドでも、スポーツイベントに定期的に参加する人の数が非常に多いことを考えると、ビデオコンテンツのプロデューサーは、できるだけ多くの人の目を引くコンテンツ作成することに最善を尽くしています。

そして、プレーヤーがフィールドを離れた後、視聴者の注意を引くための競争が始まっています。今日では、ハイライトの編集やゲーム制作できる人なら誰でも、既に持ってるスキルを活かして優位に立つことができます。もしかした日本の小学生でもその片鱗を既にもってるかもしれません。

それでは、人工知能の助けを借りて、メディア企業がまさにそれを行う方法についてもし裏側がこんなんだったらとフィクション物語として話して行きますね。

スポンサーリンク https://jisedai.co/lp/V1aQM

スポーツのハイライトの作り方

スポーツビデオのハイライトを生成することになると、それはほとんどの場合手動プロセスです。スポーツ放送局には、その放送局向けにスポーツ関連のコンテンツを制作する編集者の大規模なチームがあります。

通常、プロセスは次のようになります。編集者は、ゲーム全体の映像と、思い出に残るイベントを指すデータフィードを取得。次に彼らはそれを調べて、スポーツファンが好きなゴール、ピッチ、ダンク、ホームラン等のすべてを含むクリップをいくつかのドラマと一緒にカットします。

次に、エディターはクリップを1つのシーケンスにコンパイルし、グラフィック、音楽、トランジションを追加します。その後、ソーシャルメディアに投稿したり、テレビで放送したりして、より多くの視聴者を引き付けることができます。

しかし、このアプローチは、生産効率に深刻な問題を引き起こしています。

手動ハイライト生成の問題

スポーツイベントの長さを考えると、編集者が1つのハイライト編集ビデオを作成するには数時間かかります。スポーツシーズンには、連続して発生するイベントがぎっしり詰まっている可能性が多々あるので、それら事実を踏まえ彼らは仕事を熟さなければなりません（でした）。

その上、編集ビデオは放送局にとってさまざまな目的を果たすことができます。ゲームを逃した人のために放送中やインターネット上で最高の瞬間を取り戻すことから、宣伝目的でソーシャルメディアや広告に掲載することまで出来ます。

そのため、1つのゲームからいくつかのスポーツビデオのハイライトが必要になる場合があります。これは、編集者が画面の前にいる時間がさらに長くなることを意味します。

重要なのは、編集者が実際に作業する時間があまりないということです。メディアでは、通常、最初にコンテンツを公開する人が注目を集めます。上記のクリップの品質は非常に重要ですが、クリップが遅れると無関係になります。

時間との戦いはここ数年で厳しくなっています。今では、ファンなら誰でもスマートフォンを取り出して、プレーヤーと審判の間で行ったり来たりを記録し、すぐに投稿して、数分で口コミで広まることができます。

ですから、私たちはできるだけ早く働かなければなりません。そして、そこに人工知能が登場します。

自動スポーツハイライト生成

スポーツコンテンツの生成プロセスをスピードアップするために、メディアプロバイダーは、AIにゲームの映像を分析させ、ハイライトに値する瞬間を自動的に選択させる方法を模索研究し、常に改善に努めています。

新たな需要に応えて、テクノロジー企業はスポーツの最高の瞬間を特定するためにAIおよびMLアルゴリズムを採用しています。

現在、ビデオコンテンツ分析への最善のアプローチをめぐって競争が続いています。そしてこのスポーツ分野の画像解析はスポーツ選手のパフォーマンス向上にも一役かっているのでそれらのアプローチが何であるかを見てみましょう。

オーディオ分析

このアプローチは、フィールドで何が起こっているかを特定することだけではなく、聴衆がそれにどのように反応するかを特定することです。そのアプローチは、WSCSports等よって利用されています。国内でも数多く同じような手法が用いられています。

アルゴリズムは、音を分析することで、観客の歓声や審判がプレーヤーと議論するなど、通常とは異なるものをピックアップし、編集に含めるそれぞれのクリップを選択します。（視覚と聴覚の分は別々にデータ化）

しかし、そのアプローチは、声の少ない聴衆がいるスポーツには理想的ではない可能性もあります。例えば、ゴルフの試合中に歓声を上げる群衆は余りないかと思いますが、そういったスポーツには不向きかもしれません。ただ、全米、全英ゴルフの最終ラウンド等では有効な場合もありそうですけね。

サポーターについて
彼らがほぼ歓声を上げない時は音での未了は何もありません。COVID１９が世界で猛威を振るい、スポーツイベントが軒並み中止、東京五輪でさえ延期になってしまったあの期間、スポーツイベントも一部では開催されていましたが、COVID19以前とは全然違った観客の声援でもありましたよね。現在ではCOVID19以前とほぼ変わらない歓声がフィールドに鳴り響いている日常が少しづつ戻ってきたとと皆さんも感じとれるのではないでしょうか。

また、サポーターがいる場合でも、コーチがチームに話しかけたり、マスコットがマスコットの演技をしているなどの微妙な瞬間は、AIのハイライトに含まれない場合があります。

ポイントの選択

スポーツイベントの最高の瞬間を見つけるためのもう1つのアプローチは、視覚認識APIを使用して、思い出に残る瞬間に共通する機能（フィストバンプ、ハイタッチ、挙手、立っているファン）を検出することです。

このようなAPIは公開されており、AmazonとIBMによって提供されています。AnyClipなどの企業によるオブジェクト認識に基づいて構築された独自のソリューションもあります。

データ分析に裏打ちされたアルゴリズムは、カットするクリップの必要な長さを決定し、不要な部分を編集して、ビデオをまとめます。
ピクチャースポーツハイライト6

メディア会社が必要とする可能性のある豊富さや編集の種類を念頭に置いて、そのアプローチは多くのコンテンツを除外します。

放送局がゲームの要約ビデオを作成したい場合、AIを最初からトレーニングする必要があります。マスコットダンスのコンピレーション？アルゴリズムにそれが何であるかを学習させる時間がある方がよいでしょう。

シーンレベルのビデオ分析

上記のアプローチの欠陥を知って、ビデオコンテンツのハイライトに値する瞬間を同じように迅速かつ正確に特定できるソリューションを調べてみましょう。また、予備トレーニングや追加のデータフィードなしでもそれを行うことができます。

CognitiveMillのアプローチは、ビデオコンテンツの人間のような知覚を実現するためにコグニティブコンピューティングテクノロジーに依存することです。このようにして、アルゴリズムはビデオの各シーンを分析し、ハイライトの作成に必要なすべての情報を抽出できます。

コグニティブコンピューティングがタスクに最適である理由について話しましょう。機械知能の概念を取り入れて実行します。AIは機械が特定のタスクを学習して実行できるようにするのに対し、コグニティブコンピューティングは、人間の脳の働きを模倣するために技術のバンドルを使用します。従い遥かに複雑な状況をナビゲートできます。

ビデオ分析に関しては、コグニティブコンピューティングは、以下に基づく高度なコンピュータービジョンテクノロジーに依存しています。