💻 computer science

SoccerNet 2026 Challenges Results

Este artículo presenta los resultados de los sextos desafíos anuales de SoccerNet 2026, detallando los protocolos de evaluación, las tablas de clasificación y los métodos de alto rendimiento para cinco tareas de comprensión de video de fútbol basadas en visión que atrajeron a 427 equipos y 1.129 envíos.

Autores originales: Anthony Cioppa, Silvio Giancola, Håkan Ardö, Mohamad Dalal, Jan Held, Jérémie Ochin, Jiayuan Rao, Karen Sanchez, Renaud Vandeghen, Artur Xarles, Olivier Barnich, Albert Clapés, Mathieu Delvaux, Sergio

Publicado 2026-07-09

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Anthony Cioppa, Silvio Giancola, Håkan Ardö, Mohamad Dalal, Jan Held, Jérémie Ochin, Jiayuan Rao, Karen Sanchez, Renaud Vandeghen, Artur Xarles, Olivier Barnich, Albert Clapés, Mathieu Delvaux, Sergio Escalera, Bernard Ghanem, Cédric Hons, Antoine Houet, Sotiris Manitsaris, Tom Michel, Pierre Miralles, Thomas B. Moeslund, Mikael Nilsson, Bogdan Stanciulescu, Marc Van Droogenbroeck, Yanfeng Wang, Weidi Xie, Faisal Altawijri, Mohamed Atef, Semen Budennyy, Vasiliy Chelpanov, Puhua Chen, Yixin Chen, Lechao Cheng, Jianling Chu, Ju-Seong Do, Oleg Durygin, Omar Fetouh, Mirco Fuchs, Youssef Ghallab, Falguni Ghosh, Wonjun Heo, Yufeng Hu, Weixuan Huang, Phuong-Linh Huynh-Ha, Matvey Isupov, Yangguang Ji, Siyuan Jiang, Zhenxiang Jiang, Wonyong Jo, Ho-Young Jung, SeongHeon Kang, MinJae Kim, Youngseon Kim, Jakub Komosa, Artem Konshin, Trung-Hoang Le, Jongmin Lee, Lingling Li, Litao Li, Vadim Linkov, Fang Liu, Haoxuan Ma, Shun Makino, Ismail Mathkour, Konstantin Mitin, Mikhail Moiseev, Takumi Nagaya, Yuki Nakamura, Thanh-Khoi Nguyen, Hoang-Phuc Nguyen, Trong-Thuan Nguyen, Christian Orduz, Kwanyong Park, Fabian Perez, Parthsarthi Rawat, SuHyun Rim, Hoover Rueda-Chacón, Atom Scott, Minori Sugimura, Yuyang Sun, Shengeng Tang, Minh-Triet Tran, Ikuma Uchida, Juan Vanegas, Thanh-Nhan Vo, Jiangtao Wang, Yaxiong Wang, Xiaogang Wang, Ruifeng Wang, Rio Watanabe, Jiali Wen, Yongliang Wu, Di Yang, Xu Yang, Zhuo Yang, Xinyu Ye, Yibo Yu, Zihan Zhai, Yu Zhang, Zhenyu Zhao, Zhun Zhong, Yixi Zhou, Xingyu Zhu, Wenbo Zhu, Julian Ziegler

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina un torneo de videojuegos gigante y global donde los "jugadores" no son humanos, sino programas informáticos (IA) tratando de entender los partidos de fútbol. Este documento es la libreta de calificaciones oficial de los SoccerNet 2026 Challenges, el sexto año de esta competición.

Los organizadores establecieron cinco diferentes "niveles" o tareas. Cada nivel pone a prueba una habilidad distinta que la IA necesita dominar para comprender verdaderamente el juego bonito. Aquí tienes un desglose de lo que sucedió, utilizando analogías sencillas.

Los Cinco Niveles del Torneo

1. La Bola de Cristal (Anticipación de la Acción del Balón)

El Desafío: La IA observa 30 segundos de un partido de fútbol y tiene que adivinar qué pasará en los próximos 5 segundos.
La Analogía: Imagina que estás viendo una película y la pantalla se queda en negro durante 5 segundos. Tienes que predecir exactamente qué harán los personajes cuando la imagen vuelva. ¿Pateó el jugador el balón? ¿Hizo un pase?
El Resultado: 9 equipos participaron. El ganador, un equipo llamado FAANTRA-WS, obtuvo la mejor puntuación utilizando una estrategia de "calentamiento de dos fases" (como un corredor estirándose antes de una carrera) y combinando diferentes modelos para manejar la incertidza del futuro.

2. El Súper Árbitro (Localización de Acciones Centrada en el Jugador)

El Desafío: La IA debe encontrar acciones específicas (como un pase, un tiro o una entrada), decir exactamente cuándo ocurrieron e identificar qué jugador específico lo hizo (incluyendo su equipo y número de camiseta).
La Analogía: Piensa en un árbitro que no solo toca el silbato, sino que instantáneamente anota: "El Jugador #10 del Equipo Rojo pasó el balón exactamente a las 12:04". La parte difícil es que los jugadores suelen bloquearse entre sí (oclusión), lo que dificulta ver quién es quién.
El Resultado: 6 equipos compitieron. El ganador, PAVE, utilizó un "sistema de votación". Hicieron que múltiples modelos de IA observaran el mismo momento y solo contaran una acción si los modelos estaban de acuerdo en quién la realizó. Esto les ayudó a detectar las jugadas de "entrada" o "tacle" que suelen confundir a las computadoras.

3. El Fotógrafo que Viaja en el Tiempo (Síntesis de Nueva Vista)

El Desafío: A la IA se le entrega un grupo de fotos de un campo de fútbol desde diferentes ángulos y debe crear una nueva foto desde un ángulo de cámara que nunca ha visto.
La Analogía: Imagina que tienes una foto de 360 grados de una habitación. Si cierras los ojos e imaginas que estás parado en la esquina, la IA tiene que "pintar" exactamente cómo se vería esa esquina, incluyendo la textura del césped y los jugadores, aunque nunca haya habido una cámara allí.
El Resultado: 65 equipos entraron. El ganador, DENSER, resolvió un problema donde la IA estándar tenía dificultades con las tomas de ángulo bajo (como cámaras cerca del suelo). Utilizaron una "guía de profundidad" para ayudar a la IA a entender mejor la forma 3D del campo, creando una imagen mucho más nítida que la línea base.

4. El Rastreador GPS (Spiideo SoccerNet Synloc)

El Desafío: La IA observa una sola foto de alta resolución de la mitad del campo tomada desde una cámara estática (como una cámara de seguridad) y debe localizar el punto exacto en el mundo real de las caderas de cada jugador.
La Analogía: Imagina mirar un mapa de una ciudad desde un dron. Ves pequeños puntos que representan autos. La IA tiene que decir: "Ese punto está exactamente en la 5ª Avenida y la Calle 42", incluso si el punto es muy pequeño y está lejos.
El Resultado: 88 equipos participaron. El ganador, SELab, utilizó un método de "segmentación inteligente" (smart tiling). En lugar de intentar ver todo el campo a la vez, hicieron zoom en áreas específicas para encontrar a los jugadores, y luego usaron la geometría para mapear sus posiciones al suelo real. Fueron increíblemente precisos, superando a la línea base por un margen enorme.

5. El Maestro de las Trivia Deportiva (Preguntas y Respuestas Visuales)

El Desafío: Se le muestra a la IA un video o una imagen y se le hace una pregunta de opción múltiple sobre ello. Las preguntas pueden ser sobre el marcador, los nombres de los jugadores o situaciones de juego complejas.
La Analogía: Es como un programa de concursos de trivia. El presentador muestra un clip y pregunta: "¿Quién anotó el gol en el minuto 88?" o "¿De qué color es la camiseta del portero?". La IA tiene que elegir la respuesta correcta entre cuatro opciones.
El Resultado: Se realizaron 76 envíos. El ganador, vitomeme, no solo adivinó; utilizaron un "sistema de enrutamiento". Analizaron la pregunta primero: si era sobre datos, buscaban la información; si era sobre el video, observaban atentamente. Lograron una tasa de precisión del 98%, lo cual es casi perfecto.

El Panorama General

En total, 427 equipos de todo el mundo enviaron más de 1,100 entradas a esta competición.

El documento destaca algunos de los aspectos clave que ayudaron a los ganadores a tener éxito:

Mayor Resolución: Darle a la IA imágenes más nítidas y claras (como cambiar de una cámara de teléfono borrosa a una TV 4K) ayudó a ver detalles pequeños.
Trabajo en Equipo: Los mejores sistemas a menudo combinaron las predicciones de varios modelos de IA diferentes (como un comité de expertos votando) en lugar de depender de uno solo.
Usar las Reglas: Los ganadores no solo miraron los píxeles; usaron las "reglas" del fútbol, como saber en qué ángulo está la cámara o cómo se mueven los jugadores, para hacer conjeturas más inteligentes.

El documento concluye que, si bien estos sistemas de IA se están volviendo muy buenos, todavía tienen dificultades con las partes más desordenadas del fútbol, como cuando los jugadores se esconden detrás de otros o cuando la acción ocurre muy rápido. El objetivo de estos desafíos es seguir impulsando la tecnología para que eventualmente podamos tener computadoras que entiendan el fútbol tan bien como un fanático humano.

Resumen Técnico: Resultados de los Desafíos SoccerNet 2026

1. Definición del Problema y Contexto

Los Desafíos SoccerNet 2026 representan la sexta iteración anual de un esfuerzo de benchmarking abierto diseñado para avanzar en la investigación de la visión computacional en el entendimiento de video deportivo. Mientras que las ediciones anteriores se centraron en tareas como la detección de acciones (action spotting) y la calibración de cámaras, la edición de 2026 amplía el alcance a cinco tareas distintas basadas en visión que abordan las dificultades únicas de las transmisiones de fútbol: jugadores pequeños y visualmente similares, oclusiones frecuentes, eventos dispersos en videos largos no recortados y cambios abruptos en el punto de vista de la cámara.

Las cinco tareas específicas son:

Anticipación de Acciones con el Balón (BAA): Predecir el tiempo y la clase de acciones relacionadas con el balón dentro de una ventana futura de 5 segundos basada en una ventana de observación precedente de 30 segundos.
Detección de Acciones con el Balón Centrada en el Jugador (PCBAS): Localizar temporalmente y clasificar acciones relacionadas con el balón mientras se asigna cada acción a un jugador específico mediante la afiliación al equipo y el número de camiseta.
Síntesis de Vistas Nuevas (NVS): Renderizar imágenes fotorrealistas desde poses de cámara no vistas en escenas de fútbol multivista.
Spiideo SoccerNet Synloc (SSS): Localizar atletas en coordenadas reales del campo desde una única imagen de cámara estática calibrada.
Preguntas y Respuestas Visuales (VQA): Responder preguntas de opción múltiple sobre transmisiones de fútbol utilizando entradas de texto, imagen y video.

La iniciativa tiene como objetivo proporcionar datos compartidos, protocolos de evaluación unificados y líneas base públicas para garantizar la reproducibilidad y comparabilidad entre métodos.

2. Metodología y Estructura del Desafío

2.1 Datos y Protocolos

Cada tarea utilizó conjuntos de datos específicos y métricas de evaluación:

BAA: Utilizó el conjunto de datos SN-BAA (English Football League). La evaluación adaptó la precisión media promedio (mAP) para la anticipación, promediando las puntuaciones a través de tolerancias temporales ( $\delta \in \{1, 2, 3, 4, 5, \infty\}$ ).
PCBAS: Basado en el conjunto de datos FOOTPASS con 8 clases de acciones. La evaluación utilizó la puntuación F1 macro en un umbral de baja confianza ( $\tau=0.15$ ), requiriendo coincidencias exactas para la clase de acción, el equipo y el número de camiseta dentro de $\pm 12$ fotogramas.
NVS: Un conjunto de datos sintético generado vía Blender a partir de metraje de transmisión real, proporcionando imágenes 4K y parámetros de cámara COLMAP. La evaluación priorizó el PSNR para el ranking, junto con SSIM y LPIPS.
SSS: Utilizó imágenes de cámara estática que cubren la mitad de un campo. La métrica principal fue mAP-LocSim, que pondera la precisión de la detección y la localización basándose en la tolerancia de distancia en el mundo real ( $\tau=1$ m).
VQA: Basado en SoccerAgent y SoccerBench, cubriendo 14 categorías (texto, imagen, video). La evaluación fue estrictamente la precisión de la respuesta en una división de desafío de 500 preguntas.

2.2 Enfoques Metodológicos Líderes

Las propuestas ganadoras en las tareas demostraron varios temas técnicos recurrentes:

Anticipación (BAA): El ganador, FAANTRA-WS, adaptó la línea base oficial utilizando modelado temporal de alta resolución (fotogramas de 448p) y una receta de entrenamiento de arranque en caliente de dos fases. Las innovaciones clave incluyeron el ensamble de logits asimétricos de diferentes checkpoints de RegNetY y pérdidas ponderadas por clase para manejar clases raras. Otros equipos mejoraron el rendimiento aumentando la resolución de entrada y utilizando modelos de lenguaje visual (VLM) para extraer el contexto táctico.
Detección (PCBAS): El ganador, PAVE, mejoró los marcos de trabajo de Detección de Acción Consciente de Rastreo (TAAD) y Transducción de Secuencia de Denotación (DST). Introdujo mecanismos de atención por jugador y un ensamble de votación de cuatro variantes. Crucialmente, empleó un filtrado de acuerdo para suprimir falsos positivos mientras preservaba la recuperación (recall) para clases raras como "Tackle".
**Síntesis de Vistas Nuevas (NVS): El ganador, DENNER, abordó un desajuste crítico de distribución donde las vistas de transmisión a nivel del suelo estaban subrepresentadas en el entrenamiento. Extendió EFA-GS (un método de Gaussian splatting libre de alias) con una ponderación de pérdida basada en la altura de la cámara (hasta 5 $\times$ de peso para vistas de suelo), supervisión de profundidad invariante de escala y traslación, y un ensamble de promedio de píxeles de tres modelos.
Synloc (SSS): El ganador, Boundary-Aware Adaptive Tiling, utilizó un marco de arriba hacia abajo (top-down). Expandió dinámicamente los recortes de rejilla fija basados en detecciones groseras para asegurar la contención total del objeto. Adaptó RTMPose-X para predecir únicamente la pelvis y su proyección al suelo, forzando el acoplamiento físico mediante un estimador de dos puntos clave, y utilizó el trazado de rayos determinista para elevar las proyecciones 2D a coordenadas métricas del mundo.
VQA: El ganador, Frontier VLMs, empleó un sistema de elicitación dirigido por tareas. En lugar de un único prompt, el pipeline dirigió las preguntas a cuatro paradigmas: fundamentación de conocimiento, prompting visual, descomposición de razonamiento y comprensión temporal. Utilizó metadatos estructurados (SoccerAgent/SoccerWiki) y prompts visuales (cajas de jugadores numeradas) para guiar el motor de razonamiento de Gemini-3.1-Pro.

3. Resultados Clave

La participación fue sustancial, con 427 equipos enviando 1,129 entradas a través de las cinco tareas. Solo los equipos que enviaron informes técnicos revisados fueron incluidos en las tablas de clasificación finales.

Anticipación de Acciones con el Balón: El equipo superior (FAANTRA-WS) logró un mAPavg de 24.08, superando la línea base por 7.32 puntos.
Detección de Acciones con el Balón Centrada en el Jugador: El equipo superior (FSITAHAKOMPCBAS-1) logró un Macro F1@0.15 de 58.94, una mejora de 12.5 puntos sobre la línea base. La clase "Tackle" siguió siendo la categoría más difícil debido a la oclusión y la escasez.
Síntesis de Vistas Nuevas: El equipo superior (Sarthi-GameChanger) logró un PSNR de 29.89, mejorando el 3DGS baseline en 3.15 dB. Sin embargo, el mejor método no mejoró el LPIPS respecto al baseline de Triangle Splatting, resaltando un compromiso entre el PSNR y la calidad perceptual.
Spiideo SoccerNet Synloc: El equipo superior (SELabSoccerSSS-1) logró un mAP-LocSim de 97.67 y una Precisión de Fotograma de 81.91%, superando significativamente la línea base (77.30 mAP-LocSim).
Preguntas y Respuestas Visuales: El equipo superior (vitomeme) logró una precisión del 98.0% en la división de 500 preguntas, comparado con una línea base aleatoria del 25.0%.

4. Significancia y Contribuciones

El artículo reclama tres contribuciones primarias:

Documentación: Proporciona una referencia única para las definiciones, conjuntos de datos y puntuaciones de evaluación de las cinco tareas de 2026.
Benchmarking: Presenta las tablas de clasificación del desafío en divisiones no retenidas y resume las contribuciones originales de las propuestas líderes, identificando elecciones de diseño específicas (por ejemplo, ensembles, escalado de resolución, enrutamiento de tareas) que impulsaron el rendimiento.
Análisis del Estado del Arte: Sintetiza los temas metodológicos recurrentes, señalando que el progreso es impulsado por representaciones contextuales más ricas, ensambles de modelos y el uso explícito de estructuras de dominio (por ejemplo, geometría de cámara, características tácticas).

Los autores enfatizan que los desafíos redujeron con éxito el riesgo de evaluación no reproducible y bajaron las barreras de entrada para equipos sin grandes conjuntos de datos propios. Los resultados indican que, si bien se ha logrado un progreso significativo, aún existen desafíos en el manejo de oclusiones, clases de acciones raras y la integración del razonamiento multimodal con la percepción fina. El artículo concluye reafirmando el compromiso de la iniciativa SoccerNet de mantener conjuntos de datos abiertos y protocolos estandarizados para apoyar la investigación reproducible en el entendimiento de video deportivo.