TennisVAR 让 AI 从看懂动作到复盘战术，击球证据定位远超 GPT

量子位 · wechat · 2026-08-20

厦门大学、上海创智学院、上海交通大学团队提出 TennisVAR，针对体育多模态模型「说得像但没看懂」的问题，让 AI 在网球视频中沿击球链条还原战术逻辑，并给出支撑结论的具体击球证据。

• 新任务与数据集：提出「基于击球证据的战术推理」任务，构建 benchmark TRACE——11189 个回合视频、41485 次击球、25429 个战术单元，覆盖 109 场职业比赛、72 名球员；要求模型输出回答、分层战术标签、击球序列、关键击球与推理，且证据须定位到触球帧。
• 方法：Event→Relation→Evidence→Tactic 架构。事件解析模块融合 DINOv3 视觉特征、短时运动特征与 TrackNet 球轨迹；战术图时序推理模块把击球建为节点，连接时序关系与同球员连续决策关系。
• 结果：GPT-5.5 零样本 T-F1@8 仅 37.03，TennisVAR 达 73.04（T-IoU@4 为 56.19 vs 24.54）；较最强 SFT 基线在 T-F1@8 再提升 19.94 个百分点。消融显示去掉图推理模块后 T-F1@8 大降 17.14 个百分点，证明结构化建模是关键。

论文：arxiv.org/abs/2608.12920，代码已开源。

原文链接 →

「多模态」频道最新

• 粘土动画版《侠盗猎车手：圣安地列斯》 — ShaKodemon · 2026-08-20
• Runway 公布“不存在产品”广告大赛 15 位获奖者 — Kyrannio · 2026-08-20
• AI 生成：电影感十足的《DayZ》 — blufattanza89 · 2026-08-20
• AI 生成：日式玉子烧烹饪视频 — Independent-Arm-7397 · 2026-08-20
• 1 秒识别！AI 听歌识曲速度惊人 — No_Tower_ai · 2026-08-20
• Krea 2 生成像素风游戏关卡效果惊艳 — Neggy5 · 2026-08-20

更多「多模态」频道 AI 资讯 →