💻 computer science

SoccerNet 2026 Challenges Results

Questo articolo presenta i risultati della sesta edizione annuale delle SoccerNet 2026 Challenges, dettagliando i protocolli di valutazione, le classifiche e i metodi con le migliori prestazioni per cinque compiti di comprensione video del calcio basati sulla visione che hanno attirato 427 team e 1.129 invii.

Autori originali: 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

Pubblicato 2026-07-09

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: 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

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immaginate un enorme torneo globale di videogiochi, dove i "giocatori" non sono esseri umani, ma programmi per computer (IA) che cercano di comprendere le partite di calcio. Questo documento è la pagella ufficiale delle SoccerNet 2026 Challenges, il sesto anno di questa competizione.

Gli organizzatori hanno allestito cinque diversi "livelli" o compiti. Ogni livello testa una diversa abilità che l'IA deve padroneggiare per comprendere davvero il gioco più bello del mondo. Ecco una panoramica di ciò che è accaduto, utilizzando analogie semplici.

I Cinque Livelli del Torneo

1. La Palla di Cristallo (Anticipazione dell'Azione della Palla)

La Sfida: L'IA guarda 30 secondi di una partita di calcio e deve indovinare cosa accadrà nei prossimi 5 secondi.
L'Analogia: Immaginate di guardare un film e che lo schermo diventi nero per 5 secondi. Dovete prevedere esattamente cosa faranno i personaggi quando l'immagine riapparirà. Il giocatore ha calciato la palla? Ha fatto un passaggio?
Il Risultato: 9 squadre hanno partecipato. La vincitrice, una squadra chiamata FAANTRA-WS, ha ottenuto il punteggio migliore utilizzando una strategia di "riscaldamento a due fasi" (come un corridore che fa stretching prima di una gara) e combinando diversi modelli per gestire l'incertezza del futuro.

2. Il Super Arbitro (Individuazione delle Azioni del Giocatore)

La Sfida: L'IA deve trovare azioni specifiche (come un passaggio, un tiro o un tackle), dire esattamente quando sono avvenute e identificare quale specifico giocatore le ha compiute (incluso la sua squadra e il numero di maglia).
L'Analogia: Pensate a un arbitro che non solo suona il fischietto, ma scrive istantaneamente: "Il giocatore #10 della Squadra Rossa ha fatto un passaggio esattamente alle 12:04". La parte difficile è che i giocatori spesso si bloccano a vicenda (occlusione), rendendo difficile vedere chi è chi.
Il Risultato: 6 squadre si sono combattute. La vincitrice, PAVE, ha utilizzato un "sistema di voto". Hanno fatto sì che molteplici modelli di IA guardassero lo stesso momento e contassero un'azione solo se i modelli concordavano su chi l'avesse compiuta. Questo li ha aiutati a individuare le azioni rare come il "tackle" che di solito confondono i computer.

3. Il Fotografo che Viaggia nel Tempo (Sintesi di Nuove Prospettive)

La Sfida: All'IA vengono fornite un sacco di foto di un campo da calcio da diverse angolazioni e deve creare una nuova foto da un'angolazione di ripresa che non ha mai visto prima.
L'Analogia: Immaginate di avere una foto a 360 gradi di una stanza. Se chiudete gli occhi e immaginate di stare nell'angolo, l'IA deve "dipingere" esattamente come apparirebbe quell'angolo, inclusa la trama dell'erba e i giocatori, anche se non è mai stata lì una telecamera.
Il Risultato: 65 squadre sono entrate in gara. La vincitrice, DENSER, ha risolto un problema in cui l'IA standard faticava con le riprese dal basso (come le telecamere vicine al suolo). Ha utilizzato una "guida di profondità" per aiutare l'IA a comprendere meglio la forma 3D del campo, creando un'immagine molto più nitida rispetto alla base di partenza.

4. Il Tracciatore GPS (Spiideo SoccerNet Synloc)

La Sfida: L'IA guarda una singola foto ad alta risoluzione di metà campo scattata da una telecamera fissa (come una telecamera di sicurezza) e deve individuare l'esatta posizione nel mondo reale di ogni giocatore, a livello del bacino.
L'Analogia: Immaginate di guardare una mappa di una città da un drone. Vedete piccoli puntini che rappresentano le auto. L'IA deve dire: "Quel puntino si trova esattamente all'incrocio tra la 5ª Avenue e la 42ª Strada", anche se il puntino è molto piccolo e lontano.
Il Risultato: 88 squadre hanno partecipato. La vincitrice, SELab, ha utilizzato un metodo di "tiling intelligente". Invece di cercare di vedere tutto il campo in una volta sola, ha ingrandito aree specifiche per trovare i giocatori, per poi usare la geometria per mappare le loro posizioni sul terreno reale. Sono stati incredibilmente accurati, superando la base di partenza con un margine enorme.

5. Il Maestro del Quiz Sportivo (Risposte a Domande Visive)

La Sfida: All'IA viene mostrato un video o un'immagine e le viene posta una domanda a scelta multipla. Le domande possono riguardare il punteggio, i nomi dei giocatori o situazioni di gioco complesse.
L'Analogia: È come un quiz televisivo. Il presentatore mostra un filmato e chiede: "Chi ha segnato il gol all'88° minuto?" oppure "Di che colore è la maglia del portiere?". L'IA deve scegliere la risposta corretta tra quattro opzioni.
Il Risultato: Sono state effettuate 76 sottomissioni. La vincitrice, vitomeme, non si è limitata a indovinare; ha utilizzato un "sistema di instradamento". Ha analizzato prima la domanda: se riguardava fatti, cercava i dati; se riguardava il video, lo guardava attentamente. Ha raggiunto un tasso di precisione del 98%, che è quasi perfetto.

Il Quadro Generale

In totale, 427 squadre da tutto il mondo hanno inviato oltre 1.100 iscrizioni a questa competizione.

Il documento evidenzia alcune tendenze chiave che hanno aiutato i vincitori a raggiungere il successo:

Risoluzione più elevata: Fornire all'IA immagini più nitide e chiare (come passare da una sfocata telecamera di un cellulare a una TV 4K) ha aiutato a vedere i piccoli dettagli.
Lavoro di squadra: I sistemi migliori spesso combinavano le previsioni di diversi modelli di IA (come un comitato di esperti che votano) invece di affidarsi a uno solo.
Utilizzo delle regole: I vincitori non si sono limitati a guardare i pixel; hanno usato le "regole" del calcio, come conoscere l'angolazione della telecamera o il modo in cui si muovono i giocatori, per fare ipotesi più intelligenti.

Il documento conclude che, sebbene questi sistemi di IA stiano diventando molto bravi, hanno ancora difficoltà con le parti più disordinate del calcio, come quando i giocatori si nascondono l'uno dietro l'altro o quando l'azione avviene molto velocemente. L'obiettivo di queste sfide è continuare a spingere la tecnologia in avanti in modo che si possano eventualmente avere computer che comprendano il calcio proprio come un essere umano appassionato.

Riepilogo Tecnico: Risultati delle Sfide SoccerNet 2026

1. Definizione del Problema e Contesto

Le Sfide SoccerNet 2026 rappresentano la sesta iterazione annuale di uno sforzo di benchmarking aperto progettato per far avanzare la ricerca nella computer vision applicata alla comprensione dei video sportivi. Mentre le edizioni precedenti si sono concentrate su compiti come l'action spotting e la calibrazione della telecamera, l'edizione 2026 amplia l'ambito a cinque distinti compiti basati sulla visione che affrontano le difficoltà uniche delle trasmissioni calcistiche: giocatori piccoli e visivamente simili, occlusioni frequenti, eventi sparsi in lunghi video non ritagliati e bruschi cambiamenti del punto di vista della telecamera.

I cinque compiti specifici sono:

Ball Action Anticipation (BAA): Prevedere il tempo e la classe delle azioni legate al pallone entro una finestra futura di 5 secondi, basandosi su una finestra di osservazione precedente di 30 secondi.
Player-Centric Ball Action Spotting (PCBAS): Localizzare temporalmente e classificare le azioni legate al pallone assegnando ogni azione a un giocatore specifico tramite l'affiliazione alla squadra e il numero di maglia.
Novel View Synthesis (NVS): Renderizzare immagini fotorealistiche da pose di telecamera non viste in scene calcistiche multi-vista.
Spiideo SoccerNet Synloc (SSS): Localizzare gli atleti in coordinate reali del campo partendo da un'immagine statica a telecamera singola calibrata.
Visual Question Answering (VQA): Rispondere a domande a scelta multipla riguardanti le trasmissioni calcistiche utilizzando input testuali, di immagine e video.

L'iniziativa mira a fornire dati condivisi, protocolli di valutazione unificati e baseline pubbliche per garantire la riproducibilità e la comparabilità tra i diversi metodi.

2. Metodologia e Struttura della Sfida

2.1 Dati e Protocolli

Ogni compito ha utilizzato dataset specifici e metriche di valutazione:

BAA: Ha utilizzato il dataset SN-BAA (English Football League). La valutazione ha adattato la mean Average Precision (mAP) per l'anticipazione, mediando i punteggi attraverso tolleranze temporali ( $\delta \in \{1, 2, 3, 4, 5, \infty\}$ ).
PCBAS: Basato sul dataset FOOTPASS con 8 classi di azione. La valutazione ha utilizzato la macro F1-score a una soglia di bassa confidenza ( $\tau=0.15$ ), richiedendo corrispondenze esatte per classe di azione, squadra e numero di maglia entro $\pm 12$ frame.
NVS: Un dataset sintetico generato tramite Blender da riprese broadcast reali, che fornisce immagini 4K e parametri della telecamera COLMAP. La valutazione ha dato priorità al PSNR per la classificazione, insieme a SSIM e LPIPS.
SSS: Ha utilizzato immagini di telecamere statiche che coprono metà campo. La metrica primaria è stata la mAP-LocSim, che pesa l'accuratezza della rilevazione e della localizzazione in base alla tolleranza di distanza nel mondo reale ( $\tau=1$ m).
VQA: Basato su SoccerAgent e SoccerBench, coprendo 14 categorie (testo, immagine, video). La valutazione è stata rigorosamente l'accuratezza della risposta su un set di sfida di 500 domande.

2.2 Approcci Metodologici Principali

Le sottomissioni vincenti in tutti i compiti hanno dimostrato diverse tematiche tecniche ricorrenti:

Anticipation (BAA): Il vincitore, FAANTRA-WS, ha adattato la baseline ufficiale utilizzando una modellazione temporale ad alta risoluzione (frame a 448p) e una ricetta di addestramento a due fasi con warm-start. Le innovazioni chiave hanno incluso l'ensembling asimmetrico di logit di diversi checkpoint RegNetY e perdite pesate per classe per gestire le classi rare. Altri team hanno migliorato le prestazioni aumentando la risoluzione di input e utilizzando modelli vision-language (VLM) per estrarre il contesto tattico.
Spotting (PCBAS): Il vincitore, PAVE, ha potenziato i framework Track-Aware Action Detection (TAAD) e Denoising Sequence Transduction (DST). Ha introdotto meccanismi di attenzione per singolo giocatore e un ensemble di voto di quattro varianti. Fondamentalmente, ha impiegato un filtraggio di accordo per sopprimere i falsi positivi pur preservando la recall per classi rare come "Tackle".
Novel View Synthesis (NVS): Il vincitore, DENSER, ha affrontato un critico mismatch di distribuzione dove le viste broadcast a livello del suolo erano sottorappresentate nell'addestramento. Ha esteso EFA-GS (un metodo di Gaussian splatting alias-free) con pesatura della perdita basata sull'altezza della telecamera (fino a 5 $\times$ il peso per le viste al suolo), supervisione della profondità invariante rispetto a scala e shift, e un ensemble di media dei pixel a tre modelli.
Synloc (SSS): Il vincitore, Boundary-Aware Adaptive Tiling, ha utilizzato un framework top-down. Ha espanso dinamicamente i ritagli a griglia fissa basandosi su rilevazioni grossolane per garantire il pieno contenimento dell'oggetto. Ha adattato RTMPose-X per predire solo il bacino e la sua proiezione a terra, imponendo il coupling fisico tramite un estimatore a due keypoint, e ha utilizzato il ray casting deterministico per elevare le proiezioni 2D in coordinate metriche del mondo.
VQA: Il vincitore, Frontier VLMs, ha impiegato un sistema di elicitazione routato per compito. Invece di un singolo prompt, la pipeline ha indirizzato le domande verso quattro paradigmi: grounding della conoscenza, prompting visivo, decomposizione del ragionamento e comprensione temporale. Ha utilizzato metadati strutturati (SoccerAgent/SoccerWiki) e prompt visivi (box numerati dei giocatori) per guidare il motore di ragionamento Gemini-3.1-Pro.

3. Risultati Chiave

La partecipazione è stata sostanziale, con 427 team che hanno inviato 1.129 sottomissioni attraverso i cinque compiti. Solo i team che hanno presentato report tecnici revisionati sono stati inclusi nelle classifiche finali.

Ball Action Anticipation: Il team di testa (FAANTRA-WS) ha raggiunto una mAPavg di 24.08, superando la baseline di 7.32 punti.
Player-Centric Ball Action Spotting: Il team di testa (FSITAHAKOMPCBAS-1) ha raggiunto una Macro F1@0.15 di 58.94, un miglioramento di 12.5 punti rispetto alla baseline. La classe "Tackle" è rimasta la categoria più difficile a causa di occlusioni e rarità.
Novel View Synthesis: Il team di testa (Sarthi-GameChanger) ha raggiunto un PSNR di 29.89, migliorando la baseline 3DGS di 3.15 dB. Tuttavia, il miglior metodo non ha migliorato l'LPIPS rispetto alla baseline Triangle Splatting, evidenziando un compromesso tra PSNR e qualità percettiva.
Spiideo SoccerNet Synloc: Il team di testa (SELabSoccerSSS-1) ha raggiunto una mAP-LocSim di 97.67 e una Frame Accuracy dell'81.91%, superando significativamente la baseline (77.30 mAP-LocSim).
Visual Question Answering: Il team di testa (vitomeme) ha raggiunto un'accuratezza del 98.0% sul set di 500 domande, rispetto a una baseline casuale del 25.0%.

4. Significato e Contributi

Il documento rivendica tre contributi primari:

Documentazione: Fornisce un riferimento unico per le definizioni, i dataset e i punteggi di valutazione dei cinque compiti del 2026.
Benchmarking: Presenta le classifiche delle sfide sugli split non utilizzati (held-out) e riassume i contributi originali delle sottomissioni principali, identificando le scelte di design specifiche (ad esempio, ensembling, scaling della risoluzione, routing del compito) che hanno guidato le prestazioni.
Analisi dello Stato dell'Arte: Sintetizza i temi metodologici ricorrenti, notando che il progresso è guidato da rappresentazioni contestuali più ricche, ensemble di modelli e l'uso esplicito di strutture di dominio (ad esempio, geometria della telecamera, caratteristiche tattiche).

Gli autori sottolineano che le sfide hanno ridotto con successo il rischio di valutazioni non riproducibili e hanno abbassato le barriere d'ingresso per i team privi di grandi dataset interni. I risultati indicano che, sebbene siano stati fatti progressi significativi, rimangono sfide nel gestire le occlusioni, le classi di azione rare e l'integrazione del ragionamento multimodale con la percezione fine. Il documento conclude riaffermando l'impegno dell'iniziativa SoccerNet nel mantenere dataset aperti e protocolli standardizzati per supportare la ricerca riproducibile nella comprensione dei video sportivi.