LLLMWIKI
正文研究地图阅读入口元数据

来源笔记 · 更新于 2026-07-12

SoccerNet-GSR足球比赛状态重建锚点

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

SoccerNet-GSR：广播足球的比赛状态重建

会议：CVPR Workshop 2024
全文深读：analysis.md

一句话结论

SoccerNet-GSR 将 camera calibration、tracking/ReID、role/team/jersey identification 与 pitch-plane projection 统一为从视频到 minimap 的 modular pipeline；标准 HOTA 57.64 到完整 GS-HOTA 22.26 的落差，量化说明“跟住人”距离“可用比赛状态”仍有明显差距。

数据集

  • 200 个 30 秒足球广播 clips；
  • 9.37M pitch-line points；
  • 2.36M athlete pitch positions；
  • 每名 athlete 标 role、team、jersey number、track ID；
  • Role：player/goalkeeper/referee/other；
  • 第一版忽略球和 referee responsibilities。

每帧目标输出为 {pitch_x, pitch_y, role, team, jersey_number}。

GS-HOTA

GS-HOTA 用 LocSim × IdSim 替代 image-plane box IoU：

  • LocSim 基于场地坐标欧氏距离；
  • 足球 tolerance $\tau=5m$；
  • Role/team/jersey 所有可用属性都正确时 IdSim=1；
  • 一个属性错误会令 detection 无法匹配。

该协议同时惩罚定位、身份和 association 错误，适合衡量可用于下游统计的比赛状态。

Baseline 管线

  1. Athlete detection；
  2. Tracking/ReID；
  3. Role classification；
  4. Team affiliation；
  5. Jersey OCR；
  6. Pitch-line localization；
  7. TVCalib camera calibration；
  8. Feet point 投影到 minimap。

它由 TrackLab 串联多个模块，属于完整执行流水线，不是联合训练的单一网络。

核心结果

  • 完整 test GS-HOTA：22.26%；
  • Validation：18.05%；
  • Challenge：23.36%；
  • Standard image-plane HOTA：57.64；
  • 加 pitch：42.65；
  • 加 role：40.76；
  • 加 team：37.03；
  • 完整身份约束：22.26。

主要瓶颈依次包括 jersey number、pitch localization/calibration、team、role。定性案例中 calibration failure 可令 GS-HOTA 从 49.69% 级别降至 0.23%。

局限与证据边界

  • 只含足球，clip 仅 30 秒；
  • 不评整场跨镜 identity；
  • 不标球、事件、动作、interaction 与战术；
  • $\tau=5m$ 只适用于足球尺度；
  • Jersey 的 all-or-nothing 约束很严格；
  • Modular offline pipeline 缺单一端到端 latency；
  • Calibration 是系统级单点故障。

对羽毛球 demo 的影响

可迁移 camera/court calibration、persistent player ID、court-coordinate projection、pipeline metric 和 oracle-module ablation。羽毛球应去掉 jersey OCR，将 tolerance 调到远小于 5m，并加入 shuttle/racket/contact/hit phase。

体育系统链更新为：

camera/court calibration → detection/tracking/ID → court game state → action tubes/events → interaction/state → quality/feedback

证据评级

  • GSR task/benchmark：A-
  • Modular pipeline：B+
  • 羽毛球迁移：B-
  • 战术理解与动作纠正：C / 不直接支持

原始材料

  • raw/ingest/2026-04-25-soccernet-game-state-reconstruction/paper.pdf（13 页）
  • raw/ingest/2026-04-25-soccernet-game-state-reconstruction/paper-text.md（1,423 行）
  • raw/ingest/2026-04-25-soccernet-game-state-reconstruction/analysis.md

相关页面

元数据
{
  "id": "2026-04-25-soccernet-game-state-reconstruction",
  "type": "source",
  "title": "SoccerNet-GSR（CVPR Workshop 2024）：足球比赛状态重建锚点",
  "status": "reviewed",
  "created": "2026-04-25",
  "updated": "2026-07-12",
  "venue": "CVPR Workshop 2024",
  "published_at": "2024-06-01",
  "ingested_at": "2026-04-25",
  "tags": [
    "near-cvpr-2025",
    "video-understanding",
    "tracking",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Vladimir Somers",
    "Victor Joos",
    "Anthony Cioppa",
    "Silvio Giancola",
    "Seyed Abolfazl Ghasemzadeh",
    "Floriane Magera",
    "Baptiste Standaert",
    "Amir M. Mansourian",
    "Xin Zhou",
    "Shohreh Kasaei",
    "Bernard Ghanem",
    "Alexandre Alahi",
    "Marc Van Droogenbroeck",
    "Christophe De Vleeschouwer"
  ],
  "canonical_links": [
    "https://openaccess.thecvf.com/content/CVPR2024W/CVsports/papers/Somers_SoccerNet_Game_State_Reconstruction_End-to-End_Athlete_Tracking_and_Identification_on_CVPRW_2024_paper.pdf",
    "https://openaccess.thecvf.com/content/CVPR2024W/CVsports/papers/Somers_SoccerNet_Game_State_Reconstruction_End-to-End_Athlete_Tracking_and_Identification_on_CVPRW_2024_paper.pdf"
  ],
  "raw_entry": "raw/ingest/2026-04-25-soccernet-game-state-reconstruction/",
  "analysis_note": "raw/ingest/2026-04-25-soccernet-game-state-reconstruction/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"
  ]
}