2026년 10월 10일
탁구 소식 6건
- 제주 탁구장서 60대 심정지…전국체전 선수들이 CPR로 살려
제주 탁구장에서 훈련하던 전국체육대회 출전 선수들이 심정지로 쓰러진 60대 남성을 CPR로 살렸다.
출처: 연합뉴스 · 2026.10.09
- BATTS’ BCL Premier delight: A dream season-opener for Kingham and Carder
BATTS의 Cliff Carder와 잉글랜드 청소년 선수 Isaac Kingham이 시니어 BCL 프리미어 디비전의 시즌 개막 주말에 대한 소감을 전했다.
출처: Table Tennis England · 2026.10.09
- Silcock relishing European Championships chance
저지 탁구 선수 Hannah Silcock이 이달 말 유럽 최고 선수들과 겨룰 기회를 기대하고 있다고 밝혔다.
출처: BBC Sport · 2026.10.08
- 7년 만에 열린 보람상조배 생활 탁구대회에 700명 참가
보람그룹이 지난 3일 인천공항 스카이돔에서 제7회 보람상조배 전국 오픈 생활체육 탁구대회를 열었으며 700명이 참가했다.
출처: 연합뉴스 · 2026.10.08
- Bergmann keeps England’s golden run going – the 1950 Worlds
잉글랜드 탁구 협회가 1950년 부다페스트 세계선수권대회에서 잉글랜드의 성과를 다룬 아카이브 시리즈 글을 게시했다.
출처: Table Tennis England · 2026.10.09
- England stars sharpen up ahead of the Europeans
잉글랜드 선수들이 일요일에 시작되는 슬로베니아 유럽선수권대회를 앞두고 준비 상황을 영상으로 전했다.
출처: Table Tennis England · 2026.10.08
탁구 연구 4건
- Event Detection in Table Tennis Videos using 2D Keypoints
탁구 영상에서 공과 라켓이 닿는 순간을 자동으로 찾아내는 방법을 제안했다. 선수와 테이블, 공의 위치를 2차원 점으로 뽑아 시간 흐름에 따라 분석해 다음·이전 접촉 순간까지 남은 프레임 수를 예측한다. 실험에서 찾은 순간과 실제 순간의 일치도는 91.16%, 평균 프레임 차이는 0.42로 나타났다.
출처: arXiv · arXiv 프리프린트 · 2026.10.06
- Reactive agility training selectively improves choice reaction and footwork-stroke performance in young male table tennis players: a randomized controlled trial…
젊은 남자 탁구 선수 40명을 두 그룹으로 나눠 6주 동안 반응 민첩성 훈련과 미리 정한 민첩성 훈련을 각각 진행했다. 반응 민첩성 훈련을 한 그룹은 선택 반응 시간과 백핸드 푸시 뒤 포핸드 드라이브 수행이 크게 좋아졌고, 미리 정한 훈련을 한 그룹은 이 변화가 뚜렷하지 않았다. 다만 훈련 후 두 그룹 간 차이는 통계적으로 유의하지 않았다.
출처: PubMed · Frontiers in physiology · 2026.09.26
- Effect of ball-launcher-assisted sport education on table tennis game performance in junior high school students
인도네시아 중학생 60명을 대상으로 공 발사기를 활용한 스포츠 교육 방식과 일반 교사 지도 방식을 비교했다. 공 발사기를 쓰며 팀 활동, 역할, 기록, 대회를 포함한 16회 수업을 받은 학생들이 일반 수업을 받은 학생보다 게임 수행 점수가 더 높게 나왔다. 판단, 기술 실행, 위치 회복 항목에서도 같은 경향이 나타났다.
출처: OpenAlex · Physical Education & Sport Technology · 2026.10.06
- TTNet: Multi-Task Deep Learning for Table Tennis Player Analysis with Smart Racket
스마트 탁구 라켓이 모은 6축 센서 데이터를 이용해 선수의 성별, 사용하는 손, 경력, 실력 수준을 동시에 예측하는 딥러닝 모델 TTNet을 만들었다. 여러 신경망 구조와 자기 주의 기법을 결합하고 데이터 보강과 과제별 손실 함수를 써서 학습했다. 이 방법으로 공식 대회 순위표에서 2위를 기록했다.
출처: arXiv · arXiv 프리프린트 · 2026.10.06