ARC-SORT atteint 81,82 HOTA sur SportsMOT et tourne à 50 fps

Une équipe d'auteurs a présenté ARC-SORT, un tracker de suivi multi-objets pour les retransmissions sportives. Sur le jeu de test SportsMOT, il atteint 81,82 HOTA et affiche le plus faible nombre de changements d'identifiants parmi les 69 entrées du classement en août 2026. Sa précision MOTA est de 97,09, ce qui lui vaut la troisième place ex æquo. Sur DanceTrack, il obtient 62,1 HOTA, avec les mêmes réglages d'association. Il tourne à environ 50 images par seconde sur une RTX 3060 pour portable. Le tracker lui-même n'est pas entraîné, et les auteurs promettent de publier le code.

Un tracker qui sait à quel point il est incertain

Tous ceux qui ont analysé des enregistrements de matchs de football ou de basket connaissent le problème. Les joueurs accélèrent et pivotent en une fraction de seconde, tandis que la caméra panote et change d'échelle. Le tracking-by-detection classique prédit la position de chaque piste avec un filtre de Kalman, puis apparie cette prédiction aux détections. Quand le mouvement est imprévisible, la prédiction dérive et l'appariement échoue.

ARC-SORT utilise un filtre de Kalman à plusieurs modèles de mouvement en interaction (IMM). Il fournit, pour chaque piste, la covariance de la prédiction. Les auteurs transforment cette covariance en zone de recherche individuelle : plus la prévision est peu fiable, plus la zone dans laquelle une détection peut être associée à la piste est large. La méthode s'appelle uncertainty-adaptive Expansion IoU (EIoU).

Un détail important issu des ablations : seul le lien continu fonctionne. La même covariance utilisée comme porte de Mahalanobis rigide dégradait le résultat à chaque seuil testé. Des statistiques de covariance plus riches n'ont rien apporté de mesurable.

Croisements et sorties de champ

Lorsque deux pistes se croisent, l'erreur d'identifiants est la plus probable. Dans ARC-SORT, le coût d'affectation lui-même indique si la décision était serrée. Ces paires restent sous surveillance. Quand des informations d'apparence s'accumulent après le croisement, le tracker peut effectuer au plus une permutation corrective d'identifiants si la première décision s'est révélée erronée. Cela apporte +1,0 HOTA sur les tests SportsMOT et DanceTrack, pour un coût inférieur à une milliseconde par image.

Un cas à part : le joueur qui quitte le champ pendant quelques secondes. L'extrapolation du mouvement est alors inutile. La réidentification hors ligne supprime donc la porte de mouvement habituelle et fusionne les tracklets uniquement sur l'apparence.

Les chiffres

• SportsMOT test : 81,82 HOTA, plus faible nombre de changements d'ID parmi 69 entrées (en août 2026), MOTA 97,09 (troisième place ex æquo).
• DanceTrack test : 62,1 HOTA avec les mêmes paramètres d'association.
• Sur les détections et embeddings publics de Deep-EIoU : 80,31 HOTA, soit +3,1 par rapport à Deep-EIoU.
• Correction des permutations d'identifiants : +1,0 HOTA sur les deux jeux de données, moins de 1 ms par image.
• Vitesse : environ 50 images par seconde sur une RTX 3060 pour portable.

Où cela servira en pratique

La comparaison sur des entrées identiques à celles de Deep-EIoU écarte la question principale posée aux trackers : à qui revient le mérite, au détecteur ou à la logique d'association ? Ici, le gain de +3,1 HOTA vient uniquement de la logique. Pour ceux qui construisent de l'analyse sportive, cela signifie qu'il est possible de remplacer le module d'association sans toucher au détecteur ni aux embeddings.

Avec 50 fps sur une carte graphique de portable, il reste de la marge pour un traitement en temps réel, par exemple pour des statistiques en direct. En revanche, une partie du résultat (la réidentification) s'exécute hors ligne, c'est-à-dire après le traitement d'un segment. Les limites sont aussi à prendre en compte : tant que le code n'est pas publié, les chiffres ne peuvent pas être reproduits, et les résultats sur DanceTrack sont nettement inférieurs à ceux sur SportsMOT.

Le enseignement pratique pour les ingénieurs : mieux vaut exploiter l'incertitude du filtre pour élargir la zone de recherche que pour écarter durement des candidats.