ARC-SORT alcança 81,82 HOTA no SportsMOT e roda a 50 fps

A equipe por trás do ARC-SORT apresentou um tracker para rastreamento de múltiplos objetos em transmissões esportivas. No conjunto de teste do SportsMOT, ele alcança 81,82 HOTA e registra o menor número de trocas de identificadores entre as 69 entradas do leaderboard em agosto de 2026. A precisão MOTA é de 97,09, empatado no terceiro lugar. No DanceTrack, o resultado é de 62,1 HOTA, com as mesmas configurações de associação. A velocidade é de cerca de 50 quadros por segundo em uma RTX 3060 de notebook. O próprio tracker não treina nada, e os autores prometem publicar o código.

Um tracker que sabe o quanto está inseguro

O problema é familiar para quem já analisou gravações de futebol ou basquete. Os jogadores aceleram e giram em frações de segundo, enquanto a câmera faz panorâmicas e muda a escala. O tracking-by-detection clássico prevê a posição de cada track com um filtro de Kalman e depois compara a previsão com as detecções. Quando o movimento é imprevisível, a previsão se desvia e a associação falha.

O ARC-SORT usa um filtro de Kalman com vários modelos de movimento em interação (IMM). Ele fornece a covariância da previsão para cada track. Os autores transformam essa covariância em uma área de busca individual: quanto menos confiável a previsão, maior a zona em que uma detecção pode ser associada ao track. O método se chama uncertainty-adaptive Expansion IoU (EIoU).

Um detalhe importante das ablações: o que funciona é justamente a relação contínua. A mesma covariância usada como um gate de Mahalanobis rígido piorou o resultado em todos os limiares testados. Estatísticas de covariância mais ricas não acrescentaram nada mensurável.

Cruzamentos e saídas de quadro

Quando dois tracks se cruzam, o erro de identificadores é mais provável. No ARC-SORT, o próprio custo de atribuição indica se a decisão foi apertada. Esses pares continuam sob observação. Quando, após o cruzamento, se acumulam dados de aparência, o tracker pode fazer no máximo uma troca corretiva de identificadores, caso a primeira decisão tenha se mostrado errada. Isso rende +1,0 HOTA nos testes do SportsMOT e do DanceTrack, com custo de menos de um milissegundo por quadro.

Um caso à parte é o do jogador que sai do quadro por alguns segundos. Extrapolar o movimento nesse intervalo não adianta. Por isso, a reidentificação offline elimina o gate de movimento habitual e une os tracklets apenas pela aparência.

Os números

• SportsMOT test: 81,82 HOTA, o menor número de trocas de ID entre as 69 entradas (em agosto de 2026), MOTA de 97,09 (empatado no terceiro lugar).
• DanceTrack test: 62,1 HOTA com os mesmos parâmetros de associação.
• Com as detecções e embeddings públicos do Deep-EIoU: 80,31 HOTA, ou seja, +3,1 sobre o Deep-EIoU.
• Correção de trocas de identificadores: +1,0 HOTA nos dois datasets, com menos de 1 ms por quadro.
• Velocidade: cerca de 50 quadros por segundo em uma RTX 3060 de notebook.

Onde isso é útil na prática

A comparação com entradas idênticas do Deep-EIoU elimina a principal dúvida sobre trackers: de quem é o mérito, do detector ou da lógica de associação. Aqui, o ganho de +3,1 HOTA vem apenas da lógica. Para quem desenvolve análise esportiva, isso significa poder trocar o módulo de associação sem mexer no detector nem nos embeddings.

A velocidade de 50 fps em uma GPU de notebook deixa folga para processamento em tempo real, por exemplo em estatísticas ao vivo. Por outro lado, parte do resultado (a reidentificação) é feita offline, ou seja, depois do processamento de um trecho. Também é preciso considerar as limitações: enquanto o código não for publicado, não é possível reproduzir os números, e os resultados no DanceTrack são visivelmente inferiores aos do SportsMOT.

A conclusão prática para engenheiros: vale mais usar a incerteza do filtro para ampliar a zona de busca do que para descartar candidatos de forma rígida.