LLLMWIKI
ArticleResearch mapReading portalMetadata

Source note · Updated 2026-07-12

FineSports多人篮球的层级细粒度时空动作定位

#near-cvpr-2025#video-understanding#benchmarking#vision-language#primary-source

一句话结论

FineSports 用 10,000 个 NBA 片段、12→52 类动作层级和目标人 action tubes 建立多人细粒度定位 benchmark；PoSTAL 达 [email protected] 21.54、[email protected] 24.31，但颜色/号码提示与不透明 split 带来身份捷径风险，且它不是 caption 或 AQA。

数据与标签

  • 10,000 clips，平均 11.74 秒；16,000 action instances。
  • 12 个 action types、52 个 sub-action types；123,014 个空间框、32,096 个时间边界。
  • 空间标注覆盖持球人、队友、对手；时间标注覆盖有效 action segment 与步骤切换帧。
  • FIBA 规则 lexicon，由 3 名篮球协会运动员参与；MixSort-OC 初始化 track/框后人工纠错。
  • 数据仅 NBA 全景转播；类别长尾，未报告标注一致性、球员/赛事 split 或身份统计。

方法与接口

PoSTAL 输入视频和“球衣颜色 + 号码”提示。PTA 用文本—视频 cross-attention锁定目标人；ATD 用 6 个 tube queries 直接回归逐帧框、边界和 sub-action 类别。训练用 frozen BLIP + Kinetics-400 预训练 CSN-152。

它输出类别化 action tube，不输出自然语言 caption、质量分、步骤扣分、球轨迹或接触点。

协议与核心结果

方法[email protected][email protected][email protected]
MOC19.21----
TubeR19.4828.9117.76
PoSTAL21.5431.1824.31

正文未说明 train/val/test 比例或 competition/player/source-video 分组，不能把结果当跨球员/跨赛季泛化证据。

关键消融

  • 去 descriptive words：frame-mAP 20.67、[email protected] 12.44；完整 PTA 为 21.54/24.31。
  • tube queries 2/6/10 的 [email protected] 为 21.34/24.31/23.46，6 最均衡。
  • 未隔离球衣身份、读号错误、tracking 质量和类别提示的贡献。

对羽毛球 stroke correction 的迁移边界

可迁移“选定目标运动员→定位 stroke tube→层级分步骤”的前端，双打遮挡尤其受益。不可直接用于纠错：需新增 pose/racket/ball/contact 与 coach rubric，并把颜色/号码提示改为点选人或 track/re-ID。评测必须 athlete/session/court/camera-disjoint；tube/class 置信度不能冒充动作质量。

对 Wiki 判断的影响

  • 对 体育 AI 视频理解：多人目标人细粒度 tube 是直接支持。
  • 对 体育 AI 路线图：适合作为“先定位谁何时做了什么”的动作层前端，不支持评分层。
  • 对 视频理解：提供层级语义、身份条件和多人遮挡压力测试。

原始材料

  • 全文深分析
  • raw/ingest/2026-04-25-finesports/paper.pdf
  • raw/ingest/2026-04-25-finesports/paper-text.md
  • raw/ingest/2026-04-25-finesports/links.yaml
Metadata
{
  "id": "2026-04-25-finesports",
  "type": "source",
  "title": "FineSports：多人篮球的层级细粒度时空动作定位",
  "status": "reviewed",
  "created": "2026-04-25",
  "updated": "2026-07-12",
  "tags": [
    "near-cvpr-2025",
    "video-understanding",
    "benchmarking",
    "vision-language",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "venue": "CVPR 2024",
  "authors": [
    "Jinglin Xu",
    "Guohao Zhao",
    "Sibo Yin",
    "Wenhao Zhou",
    "Yuxin Peng"
  ],
  "published_at": "2024-06-01",
  "ingested_at": "2026-04-25",
  "canonical_links": [
    "https://openaccess.thecvf.com/content/CVPR2024/papers/Xu_FineSports_A_Multi-person_Hierarchical_Sports_Video_Dataset_for_Fine-grained_Action_CVPR_2024_paper.pdf"
  ],
  "raw_entry": "raw/ingest/2026-04-25-finesports/",
  "topics": [
    "topics/sports-ai-video-understanding",
    "topics/sports-ai-roadmap",
    "topics/video-understanding"
  ],
  "entities": [
    "entities/sportsmot"
  ],
  "claims": [],
  "questions": []
}