BlurBall：乒乓球追踪中的联合球体与运动模糊估计

运动模糊降低了快速移动物体的清晰度，对检测系统构成挑战，尤其是在球拍运动中，球常常呈现为条纹而非清晰的点。现有的标注约定将球体标记在模糊的前缘，引入不对称性并忽略了与速度相关的有价值运动线索。本文提出一种新的标注策略，将球体放置在模糊条纹的中心，并明确标注模糊属性。使用该约定，我们发布了一个新的乒乓球检测数据集。我们证明该标注方法在各种模型中一致提升了检测性能。此外，我们引入 BlurBall，一个联合估计球体位置和运动模糊属性的模型。通过在多帧输入中引入 Squeeze-and-Excitation 等注意力机制，我们取得了最先进的球体检测性能。利用模糊信息不仅提升了检测精度，还实现了更可靠的轨迹预测，有益于实时体育分析。