TennisExpert：面向专级分析性体育视频理解的挑战
计算机视觉与模式识别
2026-03-18 v2
摘要
网球是最广泛关注的运动之一，产生大量转播画面，具备专业分析、自动化教练和实时解说的强大潜力。然而，由于两个关键挑战，自动网球理解仍未得到充分探索：（1）缺乏具备细粒度注释和专级解说的大规模基准数据集；（2）构建适用于实时部署的准确且高效的多模态系统难度大。为此，我们引入 TennisVL，一个大规模网球基准数据集，包含超过 200 场专业比赛（471.9 小时）及 40,000 多段单局球次片段。不同于聚焦于描述性逐球叙述的现有解说数据集，TennisVL 强调专级分析性解说，捕捉战术推理、球员决策及比赛动势。进一步，我们提出 TennisExpert，一个集成视频语义解析器与基于 Qwen3-VL-8B 记忆增强模型的多模态网球理解框架。解析器提取关键赛局元素（如比分、球 shots 序列、球弹落位置及球员位置），而层次化记忆模块捕获短期与长期时序上下文。实验表明，TennisExpert 在所有包含 GPT-5、Gemini 和 Claude 等强大专有基线的测试中均表现出色，展现出捕捉战术语境和比赛动态的改进能力。我们的数据集和代码已公开于 https://github.com/LZYAndy/TennisExpert。
引用
@article{arxiv.2603.13397,
title = {TennisExpert: Towards Expert-Level Analytical Sports Video Understanding},
author = {Zhaoyu Liu and Xi Weng and Lianyu Hu and Zhe Hou and Kan Jiang and Jin Song Dong and Yang Liu},
journal= {arXiv preprint arXiv:2603.13397},
year = {2026}
}