¡Pase la Repetición, IA-rbitro! Startup Ups Analizan Partidos de Cricket, Fútbol y Más con Visión de IA

TVConal de Singapur utiliza NVIDIA Metropolis, el kit de herramientas TAO y los SDK para crear una plataforma de análisis de video basada en IA que etiqueta automáticamente cada detalle de un partido.
por Angie Lee

Los deportes producen una gran cantidad de datos. En un juego de críquet, por ejemplo, cada jugada genera millones de puntos de datos a partir de los cuadros de video para que un analista deportivo los revise, según Masoumeh Izadi, directora general de la startup de tecnología de deep learning TVConal.

La compañía con sede en Singapur utiliza la IA de NVIDIA y la visión de computación para impulsar su plataforma de análisis de videos deportivos, que permite a los usuarios (incluidos equipos de deportes, ligas y personas que realizan transmisiones de televisión) obtener información sobre el desempeño a partir de estas enormes cantidades de datos en tiempo real.

TVConal (acrónimo en inglés que significa «análisis de contenido televisivo») proporciona análisis de video para una variedad de deportes, en particular críquet, tenis, bádminton y fútbol.

Su plataforma (impulsada por el framework de aplicaciones NVIDIA Metropolis para la visión de IA) puede detectar eventos importantes en el juego, crear modelos del comportamiento de los atletas, hacer predicciones de movimiento y mucho más. Todo ayuda a analizar los más mínimos detalles en los deportes, lo que permite a los equipos tomar decisiones más inteligentes sobre el campo.

TVConal es miembro de NVIDIA Inception, un programa gratuito que apoya a startups que innovan las industrias usando tecnología de vanguardia.

Etiquetado Automatizado de Partidos

El etiquetado de partido (que crea una cronología de eventos importantes en el partido) es crucial para el análisis de videos deportivos. Las etiquetas se utilizan para generar informes detallados que proporcionan estadísticas de desempeño e información visual para réferis, entrenadores, deportistas y fanáticos.

Dado que las jugadas y otros eventos en el partido ocurren en un instante, hasta 20 registradores trabajan juntos para etiquetar eventos en vivo durante algunos partidos, según Izadi. Esto puede llevar mucho tiempo y trabajo.

Con la plataforma de TVConal, los analistas deportivos pueden extraer información de los cuadros de video con solo unos pocos clics, ya que la IA permite etiquetar partidos de forma automática y precisa, y en tiempo real. Esto les da a los analistas tiempo para profundizar en los datos y proporcionar comentarios más detallados para los equipos.

La plataforma también puede detectar momentos críticos o faltas que el ojo humano puede perder.

«Si un jugador comete una falta que está más allá de la capacidad de un humano para procesarla en unos pocos milisegundos, la plataforma puede detectarla e informar a los árbitros para que tomen acción justo a tiempo», dijo Izadi.

La plataforma de TVConal se basa en NVIDIA Metropolis, que simplifica el desarrollo, la implementación y la escala de las aplicaciones de análisis de video basadas en IA del edge al cloud. Metropolis incluye modelos previamente entrenados, herramientas de entrenamiento y optimización, kits de desarrollo de software, bibliotecas de CUDA-X y más; todo optimizado para ejecutarse en sistemas certificados por NVIDIA basados en la plataforma empresarial NVIDIA EGX para la computación acelerada.

«Las herramientas, los frameworks y el hardware de NVIDIA nos permiten iterar más rápido, y lanzar ideas al mercado con ciclos de desarrollo acortados y costos reducidos», dijo Izadi.

Los recursos de computación acelerados por NVIDIA utilizados en la plataforma de TVConal incluyen la plataforma NVIDIA Jetson para la IA en el edge, las workstations RTX 3090 in situ, y las GPU V100 y A100 Tensor Core en cloud.

TVConal utiliza el SDK NVIDIA DeepStream para simplificar los pipelines de procesamiento de video; los modelos previamente entrenados de NVIDIA y el kit de herramientas TAO para acelerar el entrenamiento de IA; y el SDK NVIDIA TensorRT para optimizar la inferencia.

DeepStream permitió al equipo de TVConal procesar transmisiones de video y audio en vivo en tiempo real (a la velocidad necesaria para igualar las frecuencias de cuadros de los videos). Además, la biblioteca TensorRT ayudó a TVConal a convertir sus modelos de machine learning para procesar datos más rápido, sin perder la precisión.

Y, como miembro de NVIDIA Inception, TVConal tiene acceso a recursos técnicos, expertos de la industria y asistencia para el lanzamiento al mercado.

Entre los clientes de la compañía se encuentran la empresa de producción internacional NEP Group, la Pakistan Cricket Board y otros.

«Existe un volumen cada vez mayor de contenido deportivo del que extraer valor», dijo Izadi, y destacó que se espera que el mercado de análisis deportivo global crezca más del 20% para 2028. «El procesamiento automatizado de videos está revolucionando los deportes y estamos entusiasmados por construir modelos y procesos más avanzados para mantener la innovación en marcha».

Otros actores innovadores de todo el mundo están utilizando NVIDIA Metropolis para el análisis deportivo, incluidas las startups PixellotTrack160 y Veo.

Mira una sesión a pedido de NVIDIA GTC sobre cómo la IA está revolucionando la industria del deporte: predicción más precisa de los resultados de la competencia, mejora del desempeño y aumento de las expectativas de calidad por parte de los espectadores.

Obtén más información sobre NVIDIA Metropolis y regístrate para unirte a NVIDIA Inception.