一句话结论
TrackNetV4 用绝对帧差、两参数 motion prompt 与高层视觉特征乘法融合，在网球/羽毛球和多球协议上稳定带来约 0.6–1.4 个百分点增益；它是轻量 perception enhancement，不替代 V3 断轨修复，也不等于 trajectory reconstruction 或动作质量评估。
论文定位与任务边界
V4 输出 heatmap/二维视频坐标，属于 shuttle/ball tracking。V3 解决 augmentation 与 sequence repair，V4 在 backbone 内显式注入 motion cue，两者层次不同且可组合。论文没有相机标定、球场/3D 轨迹、物理速度或 AQA。
方法概述
- 短时块灰度化，计算相邻帧差并取绝对值，保留亮度上升/下降两种运动。
- 带两个可学习参数的 power normalization 把差分转为 motion attention maps。
- 取 TrackNet Sigmoid 前的高层视觉特征；attention 与后续帧特征逐元素相乘并拼接。
- Sigmoid 输出最终 heatmaps。该模块可接 TrackNetV2 或 V3，额外可学习参数极少。
数据、协议与结果
作者为原 TrackNet 网球数据定义 game-level（7 games train/3 test）和 clip-level（完整 clips 分离）70/30 协议；羽毛球沿用 TrackNetV2 标准协议。正确定位为≤4 像素且 presence 一致。
- 网球 game-level：V2 + Motion accuracy 94.6→95.2，recall 97.1→97.5；约 156 FPS。
- 网球 clip-level：accuracy 93.4→94.4，recall 96.4→97.0。
- 羽毛球 V3 + Motion：accuracy 95.7→96.4，recall 97.5→97.9。
- 场景级普遍比 clip-level 高 >0.5 个百分点，提示 scene dependence 仍然明显。
Supplementary 的自采 challenging multi-ball tennis 含 >23k train、>1k test frames、单/多球、单/双打和多分辨率。V4 version 2 从头训练相对 V2 的 accuracy/precision/recall/F1 约 +1.3/+1.2/+0.3/+0.7；fine-tuning 可达约 +1.4/+0.8/+0.8/+0.8。数据在文中仍标为计划未来发布。
关键消融
核心对照覆盖 V2/V3 baseline vs +Motion、两种 fusion（逐时刻 attention vs mean attention）和多个 fine-tuning learning rate，方向基本一致。但缺少 absolute vs signed difference、固定/可学习 normalization、camera-motion compensation、时间窗、乘法/拼接的完整拆分，也无多 seed 方差。
局限或疑问
- 主文没有独立 limitations；遮挡改善主要由 aggregate metrics 与可视化支持。
- 帧差会响应镜头、人体、灯光与压缩；固定广播视角是隐含优势。
- 增益为亚百分点到 1.4 点，不能把“outperform V3”写成数量级突破。
- 4 像素阈值绑定分辨率；没有轨迹连续性、速度、hit event 或 3D 指标。
- 自采 multi-ball test 约 1k 帧且当时未公开，独立复核受限。
- heatmap 仍可能断轨，完整 trajectory 仍需 V3 InpaintNet/滤波并标记 repaired 点。
真实 10 样本 demo 价值
高：作为 V3 后的成对增强实验。 固定 checkpoint 比较 baseline 与 +Motion，覆盖拖影、广告相似色、球网/人体遮挡、smash、net shot 和轻微镜头运动；报告 hit-window recall、断轨、4 像素误差、FPS，并检查 attention 是否追球而非追运动员。它只改善 shuttle_xy；动作质量仍需 hit/pose/trajectory alignment 和专家 rubric。
对当前 Wiki 判断的影响
- 直接支持：轻量显式 motion cue 能稳定小幅改善 heatmap-based fast tiny-object tracking。
- 工程启示：复用成熟 backbone + adapter 适合低预算 demo。
- 不支持：已完成物理 trajectory reconstruction；可直接评价羽毛球动作质量；已解决任意动态场景。
- Roadmap 应把 V4 放在 perception enhancement，V3 rectification 放在 sequence repair，二者之后才进入 reconstruction 与 AQA。
证据评级：B+（多协议方向一致；效果小、泛化和消融有限）。