Human-in-the-loop Adaptation（arXiv 2026）：团队运动检索的人机闭环适配

会议 / 来源：arXiv 2026

发表日期：2026/02/03

资料加入日期：2026-05-05

一句话结论

把人类反馈接入团队运动视频检索的特征学习过程，让体育 AI 从离线 benchmark 进一步靠近教练/分析师可交互的检索系统。

这篇论文关注 team sports video retrieval，用 human-in-the-loop adaptation 改善 group activity feature learning，适合补 roadmap 中“部署闭环”和“人工复核”的证据层。

它把体育 AI 的目标从“模型一次性输出结果”推进到“用户反馈可以改变表示和检索结果”，对 coach-assist、视频检索、失败案例复核都更贴近实际工作流。

与 topics/sports-ai-roadmap 的关系：它补强 roadmap 中近期 batch 的一个缺口，让体育 AI 从 tracking / 数据集扩展到交互检索、可解释评分或端到端系统。
与 topics/sports-ai-video-understanding 的关系：它把体育视频理解继续推向事件语义、训练反馈、可解释输出和 human-in-the-loop 工作流。
与 topics/video-understanding 的关系：它提供真实长视频、多主体和应用约束下的视频理解样本。

来源层级：arXiv + journal article。arXiv 页面带有 journal-ref: Computer Vision and Image Understanding 263 (2026) 104577 与 DOI 10.1016/j.cviu.2025.104577，因此这篇是本轮三篇里来源等级最高的一篇。
可溯源材料：本地已保存 arXiv abstract、PDF 与 paper-text.md；可从 links.yaml 回到 arXiv abstract / PDF，也可从 arXiv 页面继续跳到 DOI。
使用建议：适合作为 sports-AI roadmap 中 human-in-the-loop 检索 / coach-assist 工作流的可靠证据，但具体实验细节仍应以论文 PDF 为准。

当前需要后续深读确认交互反馈的标注成本、在线适配稳定性，以及跨球队/跨赛事泛化。
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。
具体数值和 benchmark 细节应以 raw/ingest/2026-05-05-human-in-loop-team-sports-retrieval/paper-text.md 与原始 PDF 为准。