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 2023 Tracking Challenge MOT4MOT球员跟踪团队报告

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

SoccerNet 2023 Tracking Challenge MOT4MOT：第三名系统与测试集污染审计

类型：4 页 team technical report
全文深读：analysis.md

一句话结论

MOT4MOT 用 YOLOv8l+DeepOC-SORT+GSI/AFLink/外观合并跟球员，并用独立 YOLOv8l+平滑/插值跟球，私有榜 HOTA 66.27；但它把官方 test 帧人工挑作 validation，公开 test 实验存在明确污染。

系统

  • Player：YOLOv8l→DeepOC-SORT→GSI interpolation→AFLink→appearance merging；
  • Ball：YOLOv8l（阈值 0.05）→51 帧三阶平滑→100px gate→线性插值；
  • 最终 challenge：HOTA 66.27 / DetA 70.32 / AssA 62.62，第三名。

数据与关键数字

  • Player detector：1,710 train frames，576×1024；SoccerNet [email protected] 表中 0.990、正文 0.994，内部不一致；
  • Ball detector：2,084 train frames，1080×1920；[email protected] 0.95、[email protected]:0.95 0.71；
  • ReID：6 games（3 train/3 val）、199 IDs；使用 team/track/jersey metadata 对齐，未知号码轨迹被丢弃；
  • DeepOC-SORT++：predicted boxes HOTA 66.00，GT boxes 87.85；检测造成 21.85 points 落差；
  • appearance merge 只增加约 0.38 point。

明确泄漏

作者分别从官方 tracking test set 手工检查并选择 200 player frames 与 200 ball frames作为 validation。即使不修改标签，这仍是用 test data 做模型选择/调参；所以公开 test AP/HOTA 不是 untouched estimate。私有 challenge 分数较可信，但系统已人工观察目标测试分布。

Ball train data 还用 COCO detector 与 GT IoU>0.7 清洗，会系统性剔除难例并引入 teacher-selection bias。

成本与复现边界

系统包含两个 YOLOv8l、OSNet、DeepOC-SORT、GSI、AFLink 与自定义离线合并，且两分支分辨率不同。论文未报 GPU、epochs、GPU-hours、参数量、端到端 FPS、内存；“proprietary filtering”细节不足。使用未来帧与离线 linking，不能宣称实时 online。

证据边界

这只是一支第三名队伍的系统样本，不代表 SoccerNet tracking 整体路线。HOTA 测 image-plane detection/association，不是 pitch trajectory、真实身份、动作或战术；论文也未拆出 player/ball class-wise HOTA。

对羽毛球的影响

可借鉴分支分离、GT-box oracle、detector→association 误差分解、observed/interpolated 审计。51 帧平滑、100px gate、边界合并先验及足球 HOTA 不得外推 shuttle；羽毛球应报告 trajectory coverage、max gap、court error 与 hit-time error。

证据评级

  • 私有 challenge 系统结果：B
  • 公开 test 实验：C（test-set validation leakage）
  • 可复现部署成本：C-
  • 羽毛球直接证据：D

原始材料

  • raw/ingest/2026-05-05-soccernet-2023-tracking-mot4mot/paper.pdf（4 页）
  • raw/ingest/2026-05-05-soccernet-2023-tracking-mot4mot/paper-text.md
  • raw/ingest/2026-05-05-soccernet-2023-tracking-mot4mot/analysis.md

相关页面

元数据
{
  "id": "2026-05-05-soccernet-2023-tracking-mot4mot",
  "type": "source",
  "title": "SoccerNet 2023 Tracking Challenge MOT4MOT：球员跟踪团队报告",
  "status": "reviewed",
  "created": "2026-05-05",
  "updated": "2026-07-12",
  "venue": "arXiv 2023",
  "published_at": "2023-08-31",
  "ingested_at": "2026-05-05",
  "tags": [
    "near-cvpr-2025",
    "video-understanding",
    "tracking",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Shitrit, Gal",
    "Be'ery, Ishay",
    "Yerhushalmy, Ido"
  ],
  "canonical_links": [
    "https://arxiv.org/abs/2308.16651",
    "https://arxiv.org/pdf/2308.16651"
  ],
  "raw_entry": "raw/ingest/2026-05-05-soccernet-2023-tracking-mot4mot/",
  "analysis_note": "raw/ingest/2026-05-05-soccernet-2023-tracking-mot4mot/analysis.md",
  "topics": [
    "topics/sports-ai-video-understanding",
    "topics/sports-ai-roadmap",
    "topics/video-understanding"
  ],
  "entities": [
    "entities/sportsmot"
  ],
  "claims": [],
  "questions": []
}