하나의 계층 구조, 여러 스포츠: 다음 샷 예측을 위한 계층 정렬 다중 작업 학습

요약

본 논문은 탁구, 배드민턴 등 라켓 스포츠의 다음 샷 예측을 위해 계층적 구조를 활용한 MT-HTA(hierarchy-aligned multi-task Transformer)를 제안합니다. 이 모델은 시간적 트랜스포머와 작업별 어텐션을 결합하여 랠리 및 점수 단위의 계층 정보를 공동으로 학습하며, 여러 스포츠에 재사용 가능한 아키텍처임을 입증했습니다.

핵심 포인트

• MT-HTA는 라켓 스포츠의 계층적 구조를 활용해 다음 샷을 예측합니다.
• 시간적 트랜스포머와 작업별 어텐션이 핵심 아키텍처 요소입니다.
• 세 가지 스포츠에서 높은 평균 F1 점수를 달성하며 재사용성을 입증했습니다.
• 계층적 인코딩, 작업 어텐션 조합의 효과가 실험적으로 확인되었습니다.