LLLMWIKI
正文研究地图阅读入口元数据

来源笔记 · 更新于 2026-07-12

PathCRF从球员轨迹推断结构化控球路径与足球事件

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

一句话结论

PathCRF 用 dynamic masked CRF 将 26-node 足球状态建成每时刻 676 条候选 possession edges，event F1 75.69、非法 transition 0%；但只用 7 场高质量 tracking，GT 构建仍依赖真实 ball trajectory，所谓 ball-free 仅成立于训练好模型的推理输入。

方法

  • 22 players + 4 outside nodes；
  • self-loop 表示 control，directed edge 表示 kick in flight；
  • PPE/FPE Set Attention 编码 team/global interactions；
  • PE-SAB 编码时间；
  • dynamic emission/transition scores；
  • hard mask 禁止 possession teleportation；
  • CRF NLL + sender/receiver + emission auxiliary losses；
  • Viterbi 得最优 path，edge change 生成 control/kick/out-of-play。

数据与 split

Sportec Open DFL 7 场，match-disjoint 5/1/1：

splitmatchesepisodeseventsframes
Train53798,792364,003
Val1711,90280,076
Test1911,83185,304

25 FPS 下采样到 5 FPS；10 秒 windows、1 秒 stride。Event timestamps 用 ELASTIC 对 player+ball trajectories 同步，RDP 从 ball trajectory 补触球，再用 Needleman–Wunsch 对齐。因此监督与 GT 不是 ball-free。

主要结果

方法Edge Acc.ViolationEvent P/R/F1
Non-CRF69.242.8058.77 / 73.57 / 65.34
Non-CRF + Viterbi constraints69.680.0069.50 / 77.17 / 73.14
Static Masked CRF69.540.0068.57 / 79.96 / 73.83
Dynamic Masked CRF69.640.0073.18 / 78.37 / 75.69

约束本身贡献最大；dynamic scoring 相对 static masked 再增 1.86 F1。

单场 test 下游：home possession 62.13% GT / 62.64% predicted；frame team possession 92.40%；relaxed preannotation recall 在 2s+10m 为 86.1%。累计误差会抵消，这些数字不能替代 event-level 审计。

成本、泄漏与局限

  • 代码、checkpoints、同步事件公开；
  • 未报 GPU、训练时长、参数、显存、FPS 或人工修正工时；
  • 54,683 overlapping train windows 不改变只有 5 场训练的事实；
  • test 仅 1 场，无 CI/多 seeds/跨 provider；
  • evaluator 与 GT 都使用 sequence alignment，存在 pipeline coupling；
  • 高质量完整 tracking 与真实广播 tracking 有显著 domain gap；
  • 5 FPS 不能恢复精细触球；taxonomy 不区分 pass/shot/cross；
  • “降低标注成本”没有 user study。

Primary / secondary

  • arXiv/PDF：方法与实验 primary evidence；
  • 官方 GitHub：KDD 2026、DOI、代码/checkpoint 和数据准备细节的 secondary implementation evidence；
  • venue 更新不改变实验仍是 7 场数据的边界。

羽毛球边界

可迁移 structured state、hard constraints、Viterbi 和 preannotation+human correction。足球的 22 人、10 秒/5 FPS、1s/4m 容差与 possession edge 不可外推。羽毛球需 racket/shuttle/contact/flight/landing 状态，高帧率 GT 和 player/session/court/camera-disjoint。

证据评级

  • 方法：A-
  • event benchmark：B+
  • 下游统计：B-
  • 标注降本：C+
  • 羽毛球迁移：C

原始材料

  • raw/ingest/2026-05-23-pathcrf-soccer-event-detection/paper.pdf（12 页）
  • raw/ingest/2026-05-23-pathcrf-soccer-event-detection/paper-text.md（1,760 行）
  • raw/ingest/2026-05-23-pathcrf-soccer-event-detection/analysis.md

相关页面

元数据
{
  "id": "2026-05-23-pathcrf-soccer-event-detection",
  "type": "source",
  "title": "PathCRF：从球员轨迹推断结构化控球路径与足球事件",
  "status": "reviewed",
  "created": "2026-05-23",
  "updated": "2026-07-12",
  "venue": "KDD 2026",
  "published_at": "2026-02-12",
  "ingested_at": "2026-05-23",
  "tags": [
    "near-cvpr-2025",
    "video-understanding",
    "tracking",
    "reasoning",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Hyunsung Kim",
    "Kunhee Lee",
    "Sangwoo Seo",
    "Sang-Ki Ko",
    "Jinsung Yoon",
    "Chanyoung Park"
  ],
  "canonical_links": [
    "https://arxiv.org/abs/2602.12080",
    "https://arxiv.org/pdf/2602.12080",
    "https://doi.org/10.1145/3770855.3818152",
    "https://github.com/hyunsungkim-ds/pathcrf.git"
  ],
  "raw_entry": "raw/ingest/2026-05-23-pathcrf-soccer-event-detection/",
  "analysis_note": "raw/ingest/2026-05-23-pathcrf-soccer-event-detection/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"
  ]
}