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广播足球内容、剪辑与回放理解基准

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

一句话结论

SoccerNet-v2 在 500 场、764 小时足球转播上用约 1,600 人时生成约 30 万标注，建立 action spotting、camera understanding 与 replay grounding；它奠定 SoccerNet 生态，但 2 FPS features、point labels 和 5–60 秒 spotting 容差不能支持精细接触或羽毛球纠错结论。

数据与标注

  • 500 场欧洲职业足球、764 小时；官方 game-level split；
  • 33 annotators，约 1,600 小时；有重复比赛 consensus 检查，但无 kappa/费用；
  • 110,458 actions、17 类；18% unshown；
  • 158,493 camera changes；仅 200 场有完整 camera segmentation；
  • 32,932 replay shots 链到原 action；
  • 提供 high/low quality video 与 2 FPS PCA-512 ResNet/I3D/C3D features。

任务与结果

Action spotting

Average-mAP 先按 $\delta=5\ldots60$s 求 mAP，再取 AUC。

方法overallshownunshown
MaxPool18.621.515.0
NetVLAD31.434.323.3
AudioVid39.943.023.3
CALF40.742.129.0

Camera understanding

  • segmentation mIoU：Basic 35.8，CALF 47.3；
  • boundary overall mAP：CALF 59.6，Intensity 64.0，Content 62.2，Histogram 78.5；
  • 简单 histogram 对 abrupt/logo 强，CALF 对 fading 更稳。

Replay grounding

最佳 CALF + S2 negatives + 60 秒 chunks，Average-AP 41.8，说明任务可行但远未解决。

泄漏与成本审计

  • game-level split 优于帧级，但联赛/球队/转播域跨 split 的泛化未知；
  • 多任务共享 500 场，后续预训练必须防 test-game annotations 跨任务泄漏；
  • 300k timestamps 是 game-clustered，不是独立样本；
  • unshown timestamp 依赖插值；少数类无 CI/多 seeds；
  • 标注成本清楚，但未报视频许可成本、GPU、训练时间、显存、feature storage 和实时 FPS；
  • “自动转播”是研究目标，不是部署结果。

任务边界

“Holistic”仅覆盖内容事件、camera editing 和 replay linking，不含逐帧 player/ball tracking、pitch coordinates、姿态、战术因果或裁判规则。后续 SoccerNet-Tracking/GSR/MVFoul 的能力不能归给 v2。

羽毛球边界

可迁移 game-level split、shown/unshown、point spotting、camera transition 和 replay grounding 协议。足球 17 类、2 FPS、5–60 秒容差及所有数字不得外推羽毛球。羽毛球应标 stroke interval/contact frame，并加入 player/racket/shuttle/court state 与 match/player/camera-disjoint。

证据评级

  • 数据与任务定义：A
  • baseline：A-
  • 精细时序：B-
  • 跨域部署：C
  • 羽毛球直接证据：D

原始材料

  • raw/ingest/2026-05-05-soccernet-v2-holistic-understanding/paper.pdf（17 页）
  • raw/ingest/2026-05-05-soccernet-v2-holistic-understanding/paper-text.md（1,535 行）
  • raw/ingest/2026-05-05-soccernet-v2-holistic-understanding/analysis.md

相关页面

元数据
{
  "id": "2026-05-05-soccernet-v2-holistic-understanding",
  "type": "source",
  "title": "SoccerNet-v2：广播足球内容、剪辑与回放理解基准",
  "status": "reviewed",
  "created": "2026-05-05",
  "updated": "2026-07-12",
  "venue": "CVPR Workshop 2021",
  "published_at": "2020-11-26",
  "ingested_at": "2026-05-05",
  "tags": [
    "near-cvpr-2025",
    "video-understanding",
    "benchmarking",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Adrien Deliège",
    "Anthony Cioppa",
    "Silvio Giancola",
    "Meisam J. Seikavandi",
    "Jacob V. Dueholm",
    "Kamal Nasrollahi",
    "Bernard Ghanem",
    "Thomas B. Moeslund",
    "Marc Van Droogenbroeck"
  ],
  "canonical_links": [
    "https://arxiv.org/abs/2011.13367",
    "https://arxiv.org/pdf/2011.13367"
  ],
  "raw_entry": "raw/ingest/2026-05-05-soccernet-v2-holistic-understanding/",
  "analysis_note": "raw/ingest/2026-05-05-soccernet-v2-holistic-understanding/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"
  ]
}