Abstract
Schiedsrichterentscheidungen im Fußball stehen regelmäßig in der Kritik– neben mangelnder Konsistenz vor allem wegen ihrer fehlenden Nachvollziehbarkeit. Die Forschung
zur automatisierten Foulerkennung mittels künstlicher Intelligenz zielt bislang jedoch
fast ausschließlich auf die Klassifikationsgenauigkeit ab und lässt die Erklärbarkeit der
Vorhersagen weitgehend unberücksichtigt, obwohl gerade Transparenz für die Akzeptanz
solcher Systeme entscheidend ist.
Diese Thesis untersucht daher, inwieweit sich attention-basierte Erklärbarkeitsan
sätze darin unterscheiden, Erklärungen zu liefern, die die tatsächliche Entscheidungs
grundlage des Modells widerspiegeln (Faithfulness) und für Menschen relevante Bild
regionen hervorheben (Plausibility). Dazu werden zwei Varianten des auf Kinetics-400
vortrainierten TimeSformers– mit Divided bzw. Joint Space-Time Attention– auf ei
nem Datensatz feinjustiert, der auf SoccerNet-MVFoul basiert, auf Nahaufnahmen re
duziert, um 400 manuell annotierte Nichtfoul-Aktionen erweitert und auf die Klassen No
Foul, Foul + No Card und Foul + Card zusammengefasst wurde. Für 623 Testsamples
sind zusätzlich Bounding Boxes der relevanten Regionen– gefoulter Spieler, foulender
Spieler, Ball und Körperkontakt– annotiert. Verglichen werden die rohe Attention des
letzten Encoder-Layers, die klassenspezifische Relevance des letzten Layers, der Attenti
on Rollout und der Relevance Rollout. Die Faithfulness wird über positive und negative
Perturbationstests bewertet, die Plausibility über die größennormierte Relevance Mass
Accuracy und die Pointing-Game-Genauigkeit.
Der Relevance Rollout liefert mit Abstand die treuesten Erklärungen, während der
Attention Rollout deutlich zurückbleibt und die Ansätze, die nur den letzten Encoder
Layer betrachten, kaum von einer zufälligen Zuweisung zu unterscheiden sind. Auch in
der Plausibilität schneiden die beiden Rollout-Verfahren am besten ab: Der Relevance
Rollout konzentriert die Relevanz am stärksten auf die annotierten Regionen, der At
tention Rollout erreicht bei breiterem Fokus die höchste Pointing-Game-Genauigkeit,
während die Last-Layer Ansätze nahe an oder unter der Baseline bleiben. Auffällig ist,
dass sich der Fokus überproportional auf Ball und Kontakt statt auf die beteiligten
Spieler richtet, über die Frames hinweg kaum variiert und das Modell die Ergebnisein
blendung als Abkürzungsmerkmal nutzt. Alle Ansätze außer dem Relevance Rollout
schneiden zudem in der Divided-Variante deutlich besser ab als in der Joint-Variante.
Auf zeitlicher Ebene zeigt allein der Relevance Rollout schwache Anzeichen von Faith
fulness, eine Konzentration auf die Kontakt-Frames lässt sich jedoch in keinem Ansatz
nachweisen. Damit ist der Relevance Rollout der einzige zugleich faithful und plausible
Ansatz– allerdings beschränkt auf die räumliche Dimension.
| Datum der Bewilligung | 2026 |
|---|---|
| Originalsprache | Englisch (Amerika) |
| Gradverleihende Hochschule |
|
| Betreuer/-in | David Christian Schedl (Betreuer*in) |
Studiengang
- Interactive Media
Zitieren
- Standard