ArticleMetadataMain page

source · 2026-05-05

Event2Tracking：用长时多模态上下文重建多智能体足球轨迹

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

Event2Tracking：用长时多模态上下文重建多智能体足球轨迹

会议 / 来源：AAAI 2025
发表日期：2025-04-11
资料加入日期：2026-05-05
DOI：10.1609/aaai.v39i11.33289

一句话结论

Event2Tracking 把足球 tracking data 与 event data 融合起来，用 60 秒长时上下文重建球员和球的 noisy trajectories，是当前 topics/sports-ai-roadmap 中“轨迹 → 事件语义 → 比赛状态”的关键桥。

论文定位

这篇论文把足球轨迹重建从短窗口、纯轨迹输入推进到长时、多模态输入。它关注的对象是 soccer agents，包括球员和球；输入侧同时使用 tracking data 和描述高层语义事件的 event data；输出侧用 reconstruction loss 衡量轨迹恢复质量。

对体育 AI 子线的价值

  • 与 topics/sports-ai-video-understanding 的关系：它把 tracking 从“保持 ID 和坐标连续”推进到“用事件语义解释和修复轨迹”。
  • 与 topics/sports-ai-roadmap 的关系：它补上 S1 中此前明确标为 P0 的 Event2Tracking 缺口，使 SoccerNet 数据生态、年度 challenge、tracking team report 与 trajectory-event semantics 连成一条证据链。
  • 与 topics/video-understanding 的关系：它给通用视频理解提供一个强应用样本：长视频理解可以落到多智能体状态重建，而不仅是片段分类或问答。

来源可靠性与可溯源性

  • 来源层级：AAAI 2025 proceedings primary paper；AAAI OJS 页面和 DOI 10.1609/aaai.v39i11.33289 均可访问，证据等级高于 arXiv-only preprint。
  • 可溯源材料：本地已保存 AAAI OJS abstract、PDF、paper-text.md 和 links.yaml；PDF SHA256：a2f8b120abea7e2bf8c5da551a391e9c64f4a6d750c0a6ef1827ac62b57aec57。
  • 使用边界：适合作为 trajectory-event semantics 的强 primary evidence；对真实部署、跨联赛泛化和端到端视频系统延迟的判断仍需后续 source 补强。

和现有证据的关系

此前 S1 已补入 sources/2026-05-05-soccernet-v2-holistic-understanding、sources/2026-05-05-soccernet-v2-camera-calibration-player-localization、sources/2026-05-05-active-learning-action-spotting-football、sources/2026-05-05-soccernet-2022-challenges-results、sources/2026-05-05-soccernet-2023-challenges-results 与 sources/2026-05-05-soccernet-2023-tracking-mot4mot。Event2Tracking 在这条链路中承担“把事件语义真正注入轨迹重建模型”的角色。

它和 sources/2026-04-24-transportmer 形成互补：TranSPORTmer 更像多智能体轨迹理解框架，Event2Tracking 则强调长时上下文和 event data 对轨迹重建的增益。

局限或疑问

  • 这篇论文证明 event data 对 trajectory reconstruction 有价值，但 roadmap 仍需要继续追踪 game-state reconstruction、战术意图建模和 rule-grounded referee assistance。
  • 当前这版先完成轻量 primary-source 编译，后续可按 deep-analysis-first 流程补 analysis.md、关键图页和实验细节。

原始材料

  • raw/ingest/2026-05-05-event2tracking/paper.pdf
  • raw/ingest/2026-05-05-event2tracking/paper-text.md
  • raw/ingest/2026-05-05-event2tracking/abstract.md
  • raw/ingest/2026-05-05-event2tracking/links.yaml

相关页面

Metadata

{
  "id": "2026-05-05-event2tracking",
  "type": "source",
  "title": "Event2Tracking：用长时多模态上下文重建多智能体足球轨迹",
  "status": "reviewed",
  "created": "2026-05-05",
  "updated": "2026-05-05",
  "venue": "AAAI 2025",
  "published_at": "2025-04-11",
  "ingested_at": "2026-05-05",
  "tags": [
    "near-cvpr-2025",
    "video-understanding",
    "tracking",
    "multimodal",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Harry Hughes",
    "Michael Horton",
    "Xinyu Wei",
    "Harshala Gammulle",
    "Clinton Fookes",
    "Sridha Sridharan",
    "Patrick Lucey"
  ],
  "canonical_links": [
    "https://ojs.aaai.org/index.php/AAAI/article/view/33289",
    "https://ojs.aaai.org/index.php/AAAI/article/download/33289/35444",
    "https://doi.org/10.1609/aaai.v39i11.33289"
  ],
  "raw_entry": "raw/ingest/2026-05-05-event2tracking/",
  "topics": [
    "topics/sports-ai-video-understanding",
    "topics/sports-ai-roadmap",
    "topics/video-understanding"
  ],
  "entities": [
    "entities/sportsmot"
  ],
  "claims": [],
  "questions": []
}