LLLMWIKI
正文研究地图阅读入口元数据

来源笔记 · 更新于 2026-07-12

MultiSports多人时空动作定位的数据锚点

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

MultiSports：多人细粒度体育动作的时空定位基准

会议：ICCV 2021
全文深读：analysis.md

一句话结论

MultiSports 用 3,200 clips、37,701 action instances 和约 902K frame-wise boxes，把体育动作理解定义为多人并发的 actor tube 分类与时空定位；最强基线 frame-mAP 27.72，严格 [email protected] 仅 9.65，说明 frame-level 成绩会掩盖时间边界和 tube linking 失败。

数据集与任务

  • 体育项目：篮球、排球、足球、有氧体操；
  • Action vocabulary：66 类，主评测覆盖至少有 25 个 val/test instances 的 60 类；
  • 3,200 clips，来自 247 场比赛记录；
  • 37,701 action instances；
  • 约 902K bounding boxes；
  • 25 FPS frame-wise 标注；
  • Train：1,574 clips / 18,422 instances；
  • Validation：555 clips / 6,577 instances；
  • Test：1,071 clips，GT withheld。

对应项目的专业运动员标动作类别与时间边界，crowd annotators 逐帧修正 FCOT 传播的人体框。任务同时要求 action class、actor box、temporal boundaries 和 tube linking。

评测协议

核心结果

方法[email protected][email protected][email protected]
ROAD3.900.000.00
YOWO9.2810.780.87
MOC K=722.5112.130.77
MOC K=1125.2212.880.62
SlowOnly16.7015.715.50
SlowFast27.7224.189.65

SlowFast 相对 SlowOnly 的 frame-mAP 提升 11.02 点，AVA 上相应差距只有 4.54 点。高时间分辨率尤其改善短时高速动作：有氧转体约 +30 AP、horizontal support +54 AP。

MOC K=11 相对 K=7 提高 frame-mAP，同时严格 [email protected] 从 0.77 降至 0.62。更长 tubelet 无法自动解决精确时间定位。

关键诊断

  1. 同项目背景高度相似，球场场景捷径不足以区分细粒度动作。
  2. 一个足球触球可能只有约 0.5 秒，区分 pass/long ball/through ball/cross 可能需要最多 5 秒上下文。
  3. Frame-mAP 与严格 tube mAP 的巨大差距证明时间边界与 linking 是独立能力。
  4. 错误分析需要分别报告类别、空间、时间、tube linking、duplicate 和 background false positives。

局限与证据边界

  • 只含四个项目，66 类中 60 类进入主评测；
  • 专业广播域，跨训练馆、手机和青少年泛化未知；
  • 不标球、球拍/器械、队伍角色或人—人关系；
  • 动作类别不等于执行质量、错误原因和教练反馈；
  • 测试 GT withheld，主文主要报告 validation；
  • 未明确 athlete/source-video-disjoint；
  • 25 FPS 对高速 shuttle contact 可能不足；
  • 2021 baselines 不是当前上限，且缺少统一 FLOPs/latency。

对羽毛球 demo 的影响

可迁移：actor tube + action class + temporal boundary schema、frame/tube 双层指标、长上下文与分解错误分析。

必须增加：shuttle/racket/court keypoints、contact frame、stroke phase、quality/coach labels、athlete/session/court/camera-disjoint，以及更高帧率或可靠 contact interpolation。

系统层级应写为：

tracking/ID → actor action tubes → multi-agent trajectories/state → interaction → quality/feedback

MultiSports 对应 actor action-tube 层，不能作为技术纠正和训练评分的直接证据。

证据评级

  • 体育时空动作定位 benchmark：A-
  • 细粒度时序建模：A-
  • 羽毛球动作阶段设计：B
  • 动作质量与反馈：C / 不直接支持

原始材料

  • raw/ingest/2026-04-25-multisports/paper.pdf（10 页）
  • raw/ingest/2026-04-25-multisports/paper-text.md（1,386 行）
  • raw/ingest/2026-04-25-multisports/analysis.md

相关页面

元数据
{
  "id": "2026-04-25-multisports",
  "type": "source",
  "title": "MultiSports（ICCV 2021）：多人时空动作定位的数据锚点",
  "status": "reviewed",
  "created": "2026-04-25",
  "updated": "2026-07-12",
  "venue": "ICCV 2021",
  "published_at": "2021-10-01",
  "ingested_at": "2026-04-25",
  "tags": [
    "near-cvpr-2025",
    "video-understanding",
    "benchmarking",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Yixuan Li",
    "Lei Chen",
    "Runyu He",
    "Zhenzhi Wang",
    "Gangshan Wu",
    "Limin Wang"
  ],
  "canonical_links": [
    "https://openaccess.thecvf.com/content/ICCV2021/html/Li_MultiSports_A_Multi-Person_Video_Dataset_of_Spatio-Temporally_Localized_Sports_Actions_ICCV_2021_paper.html",
    "https://openaccess.thecvf.com/content/ICCV2021/papers/Li_MultiSports_A_Multi-Person_Video_Dataset_of_Spatio-Temporally_Localized_Sports_Actions_ICCV_2021_paper.pdf"
  ],
  "raw_entry": "raw/ingest/2026-04-25-multisports/",
  "analysis_note": "raw/ingest/2026-04-25-multisports/analysis.md",
  "topics": [
    "topics/sports-ai-video-understanding",
    "topics/sports-ai-roadmap",
    "topics/video-understanding"
  ],
  "entities": [
    "entities/sportsmot"
  ],
  "claims": [],
  "questions": [
    "questions/question-badminton-stroke-correction-demo"
  ]
}