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-v2 Camera Calibration足球场标定与球员定位

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

SoccerNet-v2 Camera Calibration：伪标签蒸馏、场地定位与动作表示

会议：CVPR Workshop 2021
全文深读：analysis.md

一句话结论

论文把商业 calibration teacher 蒸馏成 CCBV-SN，为 500 场 SoccerNet 视频生成 2 FPS calibration/player positions，并将 top-view/graph 表示接入 CALF，使 test Average-mAP 40.7→46.8；但 SoccerNet 上无 camera/player-location GT，且伪标签 split 未披露。

方法与数据

  • 商业 teacher 生成 12,000 个 pseudo calibrations；GMM 建立 1000+ camera templates；
  • CCBV-SN：zone U-Net→template Siamese retrieval→Spatial Transformer refinement；
  • 500 场视频按 2 FPS 生成 calibration 与 person positions；
  • Mask R-CNN+field mask，取 bbox 底边中点投影到 pitch；不提供持续 track ID；
  • 三种表示：224×224 top view、ResNet-34/EfficientNet-B4 features、25m radius player graph（14 GCN blocks）。

核心结果

World Cup 2014 calibration（186 images / 10 games）

方法IoU entire mean/medianIoU visible-part mean/median
Commercial teacher91.7 / 93.096.7 / 98.7
CCBV-SN79.8 / 81.788.5 / 92.3

Student 蒸馏损失约 6–12 points。该外部集说明可迁移，但不能代替 SoccerNet camera GT。

SoccerNet-v2 action spotting

  • 500 场、110,458 actions、17 类；test 100 场/22,551 actions；
  • CALF 40.7 Average-mAP；最佳 CC+RN34+FCL 46.8；私有 challenge 46.4；
  • Player graph+GCN 46.7，Color+3D 46.7；没有多随机种子误差条。

泄漏与公平性边界

  • Teacher 是未公开商业工具，完整 pseudo-label 生成不可独立复现；
  • 12k pseudo labels 的 game-level train/val 划分、失败率与质检未披露；
  • calibration student 与下游 action spotting 共用 SoccerNet 500 games；论文未说明 calibration-training games 是否排除下游 test games，存在潜在 transductive preprocessing 边界，不能断言无泄漏；
  • 双网络、人工 patterned/fuzzy class split、额外容量与 calibration 信息同时引入，缺等参数 control。

系统成本

完整链包含商业 teacher、1000+ template dictionary、Mask R-CNN、top-view/features/graphs、原 CALF 加 calibration branch，并按类别训练两套网络。论文未报 CCBV-SN/全链 FPS、GPU、epochs、GPU-hours、内存和 500 场预计算成本；引用的原 CCBV 250 FPS 不能当作本文系统实测。

证据边界

论文不报告 SoccerNet camera-parameter GT、player localization error、track ID 或 ball；2 FPS 不适合高速球轨迹/接触。action spotting 提升不能证明 tracking、战术理解或因果推理。

对羽毛球的影响

可迁移 court homography、feet→court projection、top-view/graph、accuracy×coverage 与伪标签审计。羽毛球必须重做场地模板/尺度/采样率并加入 shuttle/racket/contact；足球 25m edge、WC14 IoU 与 46.8 Average-mAP 不得外推。固定机位羽毛球更适合直接 court-corner calibration 与 court-error 验证。

证据评级

  • 足球 calibration resource/representation：B+
  • Action spotting 增益：B+
  • SoccerNet player-location 绝对精度：C-
  • 羽毛球直接证据：D

原始材料

  • raw/ingest/2026-05-05-soccernet-v2-camera-calibration-player-localization/paper.pdf（10 页）
  • raw/ingest/2026-05-05-soccernet-v2-camera-calibration-player-localization/paper-text.md
  • raw/ingest/2026-05-05-soccernet-v2-camera-calibration-player-localization/analysis.md
  • DOI：10.1109/CVPRW53098.2021.00511

相关页面

元数据
{
  "id": "2026-05-05-soccernet-v2-camera-calibration-player-localization",
  "type": "source",
  "title": "SoccerNet-v2 Camera Calibration（arXiv 2021）：足球场标定与球员定位",
  "status": "reviewed",
  "created": "2026-05-05",
  "updated": "2026-07-12",
  "venue": "CVPR Workshop 2021",
  "published_at": "2021-04-19",
  "ingested_at": "2026-05-05",
  "tags": [
    "near-cvpr-2025",
    "video-understanding",
    "tracking",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Cioppa, Anthony",
    "Deliège, Adrien",
    "Magera, Floriane",
    "Giancola, Silvio",
    "Barnich, Olivier",
    "Ghanem, Bernard",
    "Van Droogenbroeck, Marc"
  ],
  "canonical_links": [
    "https://arxiv.org/abs/2104.09333",
    "https://arxiv.org/pdf/2104.09333"
  ],
  "raw_entry": "raw/ingest/2026-05-05-soccernet-v2-camera-calibration-player-localization/",
  "analysis_note": "raw/ingest/2026-05-05-soccernet-v2-camera-calibration-player-localization/analysis.md",
  "topics": [
    "topics/sports-ai-video-understanding",
    "topics/sports-ai-roadmap",
    "topics/video-understanding"
  ],
  "entities": [
    "entities/sportsmot"
  ],
  "claims": [],
  "questions": []
}