Abstract : 본 연구에서는 상용 축구 게임인 FC Online의 플레이 영상을 기반으로 경기 데이터를 자동으로 추출하고, 이를 활용하여 선수 움직임 예측과 전술 상황 해설을 수행하는 프레임워크를 제안한다. 기존 연구는 실제 경기 데이터를 기반으로 분석을 수행하였으나, 데이터 확보의 어려움과 시점 제약, 반복 실험의 한계가 존재했다. 이러한 문제를 해결하기 위해, 본 연구에서는 미니맵 영상으로부터 선수 좌표를 추출하는 파이프라인을 구축하고, 공의 움직임과 선수 대형을 기반으로 시계열 학습용 데이터셋을 생성하였다. 제안된 모델은 Transformer와 LSTM을 결합한 하이브리드 구조로, 선수의 미래 좌표와 속도를 정밀하게 예측한다. 나아가 예측된 궤적 데이터를 기반으로 전술적 움직임을 정의하고, 이를 자연어 템플릿과 결합하여 경기 맥락을 설명하는 자동 해설을 생성한다. 실험 결과, 제안한 모델은 선수당 평균 0.9~1.2m 수준의 오차 내에서 움직임을 재현하였으며, 정량적 수치 예측을 넘어 경기 흐름을 텍스트로 설명할 수 있음을 확인하였다. 본 연구는 게임 기반의 가상 데이터가 실제 전술 분석 모델 학습에 유효하게 활용될 수 있음을 시사하며, 향후 축구 AI 코칭 시스템 및 전술 분석 자동화 분야에  기여할 것으로 기대된다. 

[paper]