💻 computer science

SoccerNet 2026 Challenges Results

Este artigo apresenta os resultados do sexto desafio anual SoccerNet 2026, detalhando os protocolos de avaliação, as tabelas de classificação e os métodos de alto desempenho para cinco tarefas de compreensão de vídeo de futebol baseadas em visão que atraíram 427 equipes e 1.129 submissões.

Autores originais: 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

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: 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

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine um torneio de videogame gigante e global onde os "jogadores" não são humanos, mas programas de computador (IA) tentando entender partidas de futebol. Este artigo é o boletim oficial dos Desafios SoccerNet 2026, o sexto ano desta competição.

Os organizadores estabeleceram cinco diferentes "níveis" ou tarefas. Cada nível testa uma habilidade diferente que a IA precisa dominar para realmente entender o belo jogo. Aqui está um detalhamento do que aconteceu, usando analogias simples.

Os Cinco Níveis do Torneio

1. A Bola de Cristal (Antecipação de Ação da Bola)

O Desafio: A IA assiste a 30 segundos de uma partida de futebol e tem que adivinhar o que acontecerá nos próximos 5 segundos.
A Analogia: Imagine que você está assistindo a um filme e a tela fica preta por 5 segundos. Você tem que prever exatamente o que os personagens farão quando a imagem voltar. Eles chutaram a bola? Eles passaram a bola?
O Resultado: 9 equipes jogaram. A vencedora, uma equipe chamada FAANTRA-WS, obteve a melhor pontuação ao usar uma estratégia de "aquecimento de duas fases" (como um corredor se alongando antes de uma corrida) e combinando diferentes modelos para lidar com a incerteza do futuro.

2. O Super-Árbitro (Detecção de Ação da Bola Centrada no Jogador)

O Desafio: A IA deve encontrar ações específicas (como um passe, um chute ou uma desmarcação), dizer exatamente quando elas aconteceram e identificar qual jogador específico as realizou (incluindo seu time e número da camisa).
A Analogia: Pense em um árbitro que não apenas apita, mas também escreve instantaneamente: "Jogador #10 do Time Vermelho passou a bola exatamente às 12:04". A parte difícil é que os jogadores muitas vezes bloqueiam uns aos outros (oclusão), tornando difícil ver quem é quem.
O Resultado: 6 equipes competiram. A vencedora, PAVE, usou um "sistema de votação". Eles fizeram com que vários modelos de IA olhassem para o mesmo momento e só contassem uma ação se os modelos concordassem sobre quem a realizou. Isso ajudou a detectar movimentos raros como "desarmes" que costumam confundir computadores.

3. O Fotógrafo que Viaja no Tempo (Síntese de Nova Visão)

O Desafio: A IA recebe várias fotos de um campo de futebol de diferentes ângulos e deve criar uma nova foto de um ângulo de câmera que ela nunca viu antes.
A Analogia: Imagine que você tem uma foto 360 graus de uma sala. Se você fechar os olhos e imaginar parado no canto, a IA tem que "pintar" exatamente como aquele canto pareceria, incluindo a textura da grama e os jogadores, mesmo que nenhuma câmera tenha estado lá.
O Resultado: 65 equipes entraram. A vencedora, DENSER, resolveu um problema onde a IA padrão tinha dificuldade com ângulos baixos (como câmeras próximas ao chão). Eles usaram um "guia de profundidade" para ajudar a IA a entender melhor a forma 3$\text teeth 3D do campo, criando uma imagem muito mais nítida do que a linha de base.

4. O Rastreador GPS (Spiideo SoccerNet Synloc)

O Desfia: A IA olha para uma única foto de alta resolução de metade do campo tirada de uma câmera estática (como uma câmera de segurança) e deve localizar o local exato no mundo real de cada quadril de jogador.
A Analogia: Imagine olhar para um mapa de uma cidade a partir de um drone. Você vê pequenos pontos representando carros. A IA tem que dizer: "Aquele ponto está exatamente na 5ª Avenida e na Rua 42", mesmo que o ponto seja muito pequeno e esteja longe.
O Resultado: 88 equipes participaram. A vencedora, SELab, usou um método de "ladrilhamento inteligente" (smart tiling). Em vez de tentar ver todo o campo de uma vez, eles deram zoom em áreas específicas para encontrar os jogadores e depois usaram geometria para mapear suas posições ao solo real. Eles foram incrivelmente precisos, superando a linha de base por uma margem enorme.

5. O Mestre do Quiz Esportivo (Perguntas e Respostas Visuais)

O Desafio: A IA é mostrada um vídeo ou imagem e recebe uma pergunta de múltipla escolha sobre ele. As perguntas podem ser sobre o placar, os nomes dos jogadores ou situações complexas de jogo.
A Analogia: É como um programa de perguntas e respostas. O apresentador mostra um clipe e pergunta: "Quem marcou o gol aos 88 minutos?" ou "Qual é a cor da camisa do goleiro?". A IA tem que escolher a resposta certa entre quatro opções.
O Resultado: 76 submissões foram feitas. A vencedora, vitomeme, não apenas adivinhou; eles usaram um "sistema de roteamento". Eles analisaram a pergunta primeiro: se fosse sobre fatos, eles buscavam os dados; se fosse sobre o vídeo, eles observavam atentamente. Eles alcançaram uma taxa de precisão de 98%, o que é quase perfeito.

O Panorama Geral

No total, 427 equipes de todo o mundo enviaram mais de 1.100 entradas para esta competição.

O artigo destaca algumas tendências principais que ajudaram os vencedores a ter sucesso:

Maior Resolução: Dar à IA imagens mais nítidas e claras (como mudar de uma câmera de celular borrada para uma TV 4K) ajudou a ver detalhes pequenos.
Trabalho em Equipe: Os melhores sistemas frequentemente combinaram as previsões de vários modelos de IA diferentes (como um comitê de especialistas votando) em vez de depender de apenas um.
Usar as Regras: Os vencedores não apenas olharam para os pixels; eles usaram as "regras" do futebol, como saber o ângulo da câmera ou como os jogadores se movem, para fazer suposições mais inteligentes.

O artigo conclui que, embora esses sistemas de IA estejam ficando muito bons, eles ainda têm dificuldades com as partes mais bagunçadas do futebol, como quando jogadores ficam escondidos atrás uns dos outros ou quando a ação acontece muito rápido. O objetivo desses desafios é continuar impulsionando a tecnologia para que possamos eventualmente ter computadores que entendam o futebol tão bem quanto um fã humano.

Resumo Técnico: Resultados dos Desafios SoccerNet 2026

1. Definição do Problema e Contexto

Os Desafios SoccerNet 2026 representam a sexta edição anual de um esforço de benchmarking aberto projetado para avançar a pesquisa em visão computacional no entendimento de vídeos esportivos. Enquanto edições anteriores focaram em tarefas como detecção de ações (action spotting) e calibração de câmera, a edição de 2026 expande o escopo para cinco tarefas distintas baseadas em visão que abordam as dificuldades únicas das transmissões de futebol: jogadores pequenos e visualmente semelhantes, oclusões frequentes, eventos esparsos em vídeos longos não recortados e mudanças abruptas no ponto de vista da câmera.

As cinco tarefas específicas são:

Antecipação de Ações com a Bola (BAA - Ball Action Anticipation): Prever o tempo e a classe de ações relacionadas à bola dentro de uma janela futura de 5 segundos, baseando-se em uma observação precedente de 30 segundos.
Detecção de Ações com a Bola Centrada no Jogador (PCBAS - Player-Centric Ball Action Spotting): Localizar temporalmente e classificar ações relacionadas à bola, atribuindo cada ação a um jogador específico por meio de afiliação de equipe e número da camisa.
Síntese de Novos Ângulos de Visão (NVS - Novel View Synthesis): Renderizar imagens fotorrealistas a partir de poses de câmera não vistas em cenas de futebol multivisão.
Spiideo SoccerNet Synloc (SSS): Localizar atletas em coordenadas reais do campo a partir de uma única imagem de câmera estática calibrada.
Perguntas e Respostas Visuais (VQA - Visual Question Answering): Responder a perguntas de múltipla escolha sobre transmissões de futebol usando entradas de texto, imagem e vídeo.

A iniciativa visa fornecer dados compartilhados, protocolos de avaliação unificados e baselines públicos para garantir a reprodutibilidade e comparabilidade entre os métodos.

2. Metodologia e Estrutura do Desafio

2.1 Dados e Protocolos

Cada tarefa utilizou conjuntos de dados específicos e métricas de avaliação:

BAA: Utilizou o conjunto de dados SN-BAA (English Football League). A avaliação adaptou a precisão média (mAP) para antecipação, calculando a média dos scores através de tolerâncias temporais ( $\delta \in \{1, 2, 3, 4, 5, \infty\}$ ).
PCBAS: Baseado no conjunto de dados FOOTPASS com 8 classes de ação. A avaliação utilizou o F1-score macro em um limiar de baixa confiança ( $\tau=0.15$ ), exigindo correspondências exatas para a classe de ação, equipe e número da camisa dentro de $\pm 12$ frames.
NVS: Um conjunto de dados sintético gerado via Blender a partir de filmagens reais de transmissão, fornecendo imagens 4K e parâmetros de câmera COLMAP. A avaliação priorizou o PSNR para classificação, juntamente com SSIM e LPIPS.
SSS: Utilizou imagens de câmera estática cobrindo metade de um campo. A métrica principal foi o mAP-LocSim, que pondera a precisão de detecção e localização com base na tolerância de distância no mundo real ( $\tau=1$ m).
VQA: Baseado em SoccerAgent e SoccerBench, cobrindo 14 categorias (texto, imagem, vídeo). A avaliação foi estritamente a precisão da resposta em um split de desafio de 500 perguntas.

2.2 Abordagens Metodológicas Principais

As submissões vencedoras em cada tarefa demonstraram vários temas técnicos recorrentes:

Antecipação (BAA): O vencedor, FAANTRA-WS, adaptou o baseline oficial utilizando modelagem temporal de alta resolução (frames de 448p) e uma receita de treinamento de "warm-start" de duas fases. As principais inovações incluíram o ensembling assimétrico de logits de diferentes checkpoints RegNetY e perdas ponderadas por classe para lidar com classes raras. Outras equipes melhoraram o desempenho aumentando a resolução de entrada e utilizando modelos de visão-linguagem (VLMs) para extrair contexto tático.
Detecção (PCBAS): O vencedor, PAVE, aprimorou as estruturas de Detecção de Ação Consciente de Rastreamento (TAAD) e Transdução de Sequência de Redução de Ruído (DST). Introduziu mecanismos de atenção por jogador e um ensemble de votação de quatro variantes. Crucialmente, empregou filtragem de concordância para suprimir falsos positivos enquanto preservava o recall para classes raras como "Tackle".
Síntese de Novos Ângulos de Visão (NVS): O vencedor, DENSER, abordou um descompasso crítico de distribuição onde visões de transmissão ao nível do solo estavam sub-representadas no treinamento. Estendeu o EFA-GS (um método de Gaussian splatting livre de aliases) com ponderação de perda baseada na altura da câmera (até 5 $\times$ de peso para visões de solo), supervisão de profundidade invariante de escala e translação, e um ensemble de média de pixels de três modelos.
Synloc (SSS): O vencedor, Boundary-Aware Adaptive Tiling, utilizou uma estrutura top-down. Ele expandiu dinamicamente crops de grade fixa baseados em detecções grosseiras para garantir a contenção total do objeto. Adaptou o RTMPose-X para prever apenas a pelve e sua projeção no solo, forçando o acoplamento físico via um estimador de dois pontos, e usou ray casting determinístico para elevar projeções 2D para coordenadas métricas do mundo.
VQA: O vencedor, Frontier VLMs, empregou um sistema de elicitação roteado por tarefa. Em vez de um único prompt, o pipeline roteou as perguntas para quatro paradigmas: fundamentação de conhecimento, prompting visual, decomposição de raciocínio e compreensão temporal. Utilizou metadados estruturados (SoccerAgent/SoccerWiki) e prompts visuais (caixas numeradas de jogadores) para guiar o motor de raciocínio do Gemini-3.1-Pro.

3. Resultados Principais

A participação foi substancial, com 427 equipes enviando 1.129 entradas nas cinco tarefas. Apenas as equipes que enviaram relatórios técnicos revisados foram incluídas nos rankings finais.

Antecipação de Ações com a Bola: A equipe de topo (FAANTRA-WS) alcançou um mAPavg de 24.08, superando o baseline em 7.32 pontos.
Detecção de Ações com a Bola Centrada no Jogador: A equipe de topo (FSITAHAKOMPCBAS-1) alcançou um Macro F1@0.15 de 58.94, uma melhoria de 12.5 pontos sobre o baseline. A classe "Tackle" permaneceu como a categoria mais difícil devido à oclusão e raridade.
Síntese de Novos Ângulos de Visão: A equipe de topo (Sarthi-GameChanger) alcançou um PSNR de 29.89, melhorando o baseline 3DGS em 3.15 dB. No entanto, o melhor método não melhorou o LPIPS em relação ao baseline Triangle Splatting, destacando um trade-off entre PSNR e qualidade perceptiva.
Spiideo SoccerNet Synloc: A equipe de topo (SELabSoccerSSS-1) alcançou um mAP-LocSim de 97.67 e uma Precisão de Frame de 81.91%, superando significativamente o baseline (77.30 mAP-LocSim).
Perguntas e Respostas Visuais: A equipe de topo (vitomeme) alcançou 98.0% de precisão no split de 500 perguntas, comparado a um baseline aleatório de 25.0%.

4. Significância e Contribuições

O artigo reivindica três contribuições primárias:

Documentação: Fornece uma referência única para as definições, conjuntos de dados e pontuações de avaliação das cinco tarefas de 2026.
Benchmarking: Apresenta os rankings dos desafios em splits mantidos fora do treinamento (held-out) e resume as contribuições originais das principais submissões, identificando escolhas de design específicas (ex: ensembling, escalonamento de resolução, roteamento de tarefas) que impulsionaram o desempenho.
Análise do Estado da Arte: Sintetiza temas metodológicos recorrentes, observando que o progresso é impulsionado por representações de contexto mais ricas, ensembles de modelos e o uso explícito de estruturas de domínio (ex: geometria de câmera, características táticas).

Os autores enfatizam que os desafios reduziram com sucesso o risco de avaliações não reprodutíveis e baixaram as barreiras de entrada para equipes sem grandes conjuntos de dados próprios. Os resultados indicam que, embora progressos significativos tenham sido feitos, permanecem desafios no tratamento de oclusões, classes de ação raras e na integração de raciocínio multimodal com percepção refinada. O artigo conclui reafirmando o compromisso da iniciativa SoccerNet em manter conjuntos de dados abertos e protocolos padronizados para apoiar a pesquisa reprodutível no entendimento de vídeos esportivos.