概述
SportsMOT 是一个面向团队运动多目标跟踪的基准数据集，用来测试球员在高速运动、频繁遮挡和外观相似条件下的轨迹维持能力。它对当前 vault 的价值在于：把“体育视频中的时序理解与目标关联”补成一个更具体的证据锚点。
关键事实
- 数据集覆盖篮球、足球、排球三类团队运动视频。
- SportsMOT：多运动场景的大规模球员多目标跟踪基准 是 SportsMOT 的原始数据集论文：240 段、150,379 帧、1,629,490 boxes、3,401 tracks；广播 overhead shots，片段内排除突变切镜。
- SportsMOT 的典型现象是高 MOTA 与低 AssA 并存：MixSort-Byte 的 HOTA/IDF1/AssA 为 65.7/74.1/54.8，association 比 detection 更难。
- SportMamba：面向团队运动的非线性多目标跟踪 在 SportsMOT 达 HOTA 77.3，同时 IDF1/AssA 仍低于 Deep-EIoU，不能称为全部身份指标最优。
- TeamTrack：全场视角的多运动多目标跟踪数据集 提供 279,900 帧、4,374,900 boxes 的 4K–8K 全场固定视角互补；其 multi-view 表示数据含多种视角，主实验不是同步跨相机融合。
- TranSPORTmer：多智能体体育轨迹理解的统一 Transformer 框架 与 SportsHHI：体育视频中的高层人—人交互检测基准 是两个不同下游：前者消费清洗后的场地坐标做轨迹/状态，后者从人体框识别有向人对交互。
- 该 entity 的边界是 player tracking 数据链；shuttle/ball tracking、动作阶段、技术质量和战术因果属于后续独立层。
关系
证据
备注
SportsMOT 现在已经从单一 SportMamba 的评测背景，升级为 体育 AI 视频理解 中的核心 tracking 数据锚点；TeamTrack 则补充 full-pitch 多运动场景，使体育 MOT 分支更完整。