ARC-SORT يحقق 81,82 HOTA على SportsMOT ويعمل بسرعة 50 إطارًا في الثانية

قدّم فريق مؤلفي ARC-SORT متتبّعًا لتتبّع الكائنات المتعددة في البث الرياضي. على مجموعة اختبار SportsMOT يحقق المتتبّع 81,82 HOTA ويسجّل أقل عدد من تبديلات المعرّفات بين 69 إدخالًا في لوحة الصدارة حتى أغسطس 2026. أما دقة MOTA فتبلغ 97,09، وهو المركز الثالث مناصفةً. وعلى DanceTrack تبلغ النتيجة 62,1 HOTA، مع الإعدادات نفسها لمرحلة الربط (association). والسرعة نحو 50 إطارًا في الثانية على RTX 3060 المحمولة. المتتبّع نفسه لا يجري أي تدريب، ويَعِد المؤلفون بنشر الشيفرة.

متتبّع يعرف مقدار عدم يقينه

المشكلة مألوفة لكل من حلّل تسجيلات كرة القدم أو كرة السلة. يتسارع اللاعبون ويستديرون في أجزاء من الثانية، بينما تتحرك الكاميرا وتغيّر مقياس التكبير. يتوقع أسلوب tracking-by-detection الكلاسيكي موضع كل مسار بمرشّح كالمان، ثم يطابق هذا التوقع مع نتائج الكشف. وحين تصبح الحركة غير قابلة للتنبؤ، ينحرف التوقع وينهار التطابق.

يستخدم ARC-SORT مرشّح كالمان بعدة نماذج حركة متفاعلة (IMM). ويعطي هذا المرشّح لكل مسار مصفوفة تباين مشترك ( covariance) للتوقع. ويحوّل المؤلفون هذا التباين إلى منطقة بحث فردية: كلما قلّت موثوقية التوقع اتسعت المنطقة التي يمكن أن يُطابَق فيها الكشف مع المسار. وسُمّيت الطريقة uncertainty-adaptive Expansion IoU (EIoU).

ومن التفاصيل المهمة في دراسات الاستئصال (ablations) أن الذي ينجح هو الربط المتصل تحديدًا. فالتباين المشترك نفسه، حين استُخدم بوصفه بوابة ماهالانوبيس صارمة، أضعف النتيجة عند كل عتبة جرى اختبارها. أما إحصاءات التباين المشترك الأغنى فلم تضف أي تحسّن قابل للقياس.

التقاطعات والخروج من الإطار

عندما يتقاطع مساران، يكون خطأ المعرّفات في أعلى احتمالاته. في ARC-SORT تكشف تكلفة الإسناد نفسها ما إذا كان القرار متقاربًا. وتبقى هذه الأزواج تحت المراقبة. وعندما تتراكم بعد التقاطع بيانات عن المظهر، يستطيع المتتبّع إجراء تبديل تصحيحي واحد للمعرّفات على الأكثر، إذا تبيّن أن القرار الأول كان خاطئًا. ويمنح ذلك +1,0 HOTA في اختبارات SportsMOT وDanceTrack، بكلفة أقل من ميلي ثانية للإطار.

وهناك حالة منفصلة: اللاعب الذي يغادر الإطار لعدة ثوانٍ. استقراء الحركة خلال هذه المدة لا فائدة منه. لذلك تُزيل إعادة التعرّف (re-identification) غير المتصلة بوابة الحركة المعتادة، وتدمج المقاطع الصغيرة من المسارات (tracklets) بالاعتماد على المظهر الخارجي وحده.

الأرقام

• SportsMOT test: 81,82 HOTA، وأقل عدد من تبديلات ID بين 69 إدخالًا (حتى أغسطس 2026)، وMOTA بقيمة 97,09 (يتقاسم المركز الثالث).
• DanceTrack test: 62,1 HOTA بمعاملات الربط نفسها.
• على عمليات الكشف والتضمينات (embeddings) العامة لـ Deep-EIoU: 80,31 HOTA، أي +3,1 مقارنةً بـ Deep-EIoU.
• تصحيح تبديل المعرّفات: +1,0 HOTA على مجموعتي البيانات، وبأقل من 1 مللي ثانية للإطار.
• السرعة: نحو 50 إطارًا في الثانية على RTX 3060 المحمولة.

أين يفيد ذلك عمليًا

يُسقط التقييم على مدخلات Deep-EIoU المتطابقة السؤال الرئيسي الذي يُطرح على المتتبّعات: لمن يعود الفضل، للكاشف أم لمنطق الربط. هنا تحقق التحسّن +3,1 HOTA بفضل المنطق وحده. وبالنسبة إلى من يبنون تحليلات رياضية، يعني ذلك إمكانية استبدال وحدة الربط دون المساس بالكاشف والتضمينات. وسرعة 50 fps على بطاقة رسوميات محمولة تترك هامشًا للمعالجة في الزمن الفعلي، مثل الإحصاءات المباشرة. ومع ذلك، يجري جزء من النتيجة (إعادة التعرّف) بصورة غير متصلة، أي بعد معالجة المقطع. ومن الضروري أيضًا مراعاة القيود: ما دامت الشيفرة غير منشورة، لا يمكن إعادة إنتاج الأرقام، كما أن نتائج DanceTrack أدنى بوضوح من نتائج SportsMOT. والخلاصة العملية للمهندسين: من الأجدى استخدام عدم يقين المرشّح لتوسيع منطقة البحث بدلًا من استخدامه للاستبعاد الصارم للمرشحين.