ARC-SORT alcanza 81,82 HOTA en SportsMOT y funciona a 50 fps

El equipo de autores de ARC-SORT ha presentado un tracker de seguimiento multiobjeto para retransmisiones deportivas. En el conjunto de test de SportsMOT alcanza 81,82 HOTA y registra el menor número de cambios de identificador entre las 69 entradas del leaderboard a agosto de 2026. Su precisión MOTA es de 97,09, un tercer puesto compartido. En DanceTrack el resultado es de 62,1 HOTA, con los mismos ajustes de asociación. La velocidad ronda los 50 fotogramas por segundo en una RTX 3060 de portátil. El propio tracker no entrena nada, y los autores prometen publicar el código.

Un tracker que sabe cuánto duda

El problema le resultará familiar a quien haya analizado grabaciones de fútbol o baloncesto. Los jugadores aceleran y giran en fracciones de segundo, mientras la cámara hace paneos y cambia de escala. El tracking-by-detection clásico predice la posición de cada track con un filtro de Kalman y luego compara esa predicción con las detecciones. Cuando el movimiento es impredecible, la predicción se desvía y la asociación falla.

ARC-SORT usa un filtro de Kalman con varios modelos de movimiento que interactúan (IMM). Este filtro entrega, para cada track, la covarianza de la predicción. Los autores convierten esa covarianza en un área de búsqueda individual: cuanto menos fiable es el pronóstico, más amplia es la zona en la que una detección puede asociarse con el track. El método se llama uncertainty-adaptive Expansion IoU (EIoU).

Un detalle importante de las ablaciones: lo que funciona es precisamente la conexión continua. La misma covarianza utilizada como puerta de Mahalanobis rígida empeoraba el resultado con cada umbral probado. Unas estadísticas de covarianza más ricas no aportaron nada medible.

Cruces y salidas del encuadre

Cuando dos tracks se cruzan, el error de identificadores es más probable. En ARC-SORT, el propio coste de asignación indica si la decisión fue ajustada. Esos pares quedan bajo observación. Cuando, después del cruce, se acumulan datos de apariencia, el tracker puede realizar como máximo un intercambio correctivo de identificadores si la primera decisión resultó errónea. Esto aporta +1,0 HOTA en los tests de SportsMOT y DanceTrack, con un coste de menos de un milisegundo por fotograma.

Un caso aparte es el del jugador que sale del encuadre durante unos segundos. En ese lapso, la extrapolación del movimiento no sirve de nada. Por eso la reidentificación offline elimina la puerta de movimiento habitual y une los tracklets solo por su aspecto.

Las cifras

• SportsMOT test: 81,82 HOTA, el menor número de cambios de ID entre 69 entradas (a agosto de 2026), MOTA 97,09 (comparte el tercer puesto).
• DanceTrack test: 62,1 HOTA con los mismos parámetros de asociación.
• Con las detecciones y los embeddings públicos de Deep-EIoU: 80,31 HOTA, es decir, +3,1 respecto a Deep-EIoU.
• Corrección de intercambios de identificadores: +1,0 HOTA en ambos datasets, menos de 1 ms por fotograma.
• Velocidad: unos 50 fotogramas por segundo en una RTX 3060 de portátil.

Dónde resulta útil en la práctica

La comparación con las mismas entradas de Deep-EIoU despeja la duda principal sobre los trackers: de quién es el mérito, del detector o de la lógica de asociación. Aquí, la mejora de +3,1 HOTA se obtiene únicamente gracias a la lógica. Para quienes desarrollan analítica deportiva, esto significa que se puede sustituir el módulo de asociación sin tocar el detector ni los embeddings.

Los 50 fps en una tarjeta gráfica de portátil dejan margen para el procesamiento en tiempo real, por ejemplo para estadísticas en directo. Al mismo tiempo, una parte del resultado (la reidentificación) se ejecuta offline, es decir, tras procesar el fragmento. También conviene tener en cuenta las limitaciones: mientras el código no se publique, no es posible reproducir las cifras, y los resultados en DanceTrack son notablemente inferiores a los de SportsMOT.

La conclusión práctica para los ingenieros: es más útil emplear la incertidumbre del filtro para ampliar la zona de búsqueda que para descartar candidatos de forma rígida.