Ученые Сбера улучшили футбольную аналитику с помощью ИИ-модели

Команда исследователей Сбера из команды AI4Sport разработала ИИ-модель PC-SSAS (Player-Centric State-Space Action Spotting), которая автоматически преобразует видеотрансляцию футбольного матча в данные для спортивной аналитики. Система определяет, какое действие произошло на поле, кто из футболистов его выполнил, в какой момент и в какой части поля это случилось.

Команду разработки, которую возглавил руководитель направления по внедрению ИИ в спортивную индустрию Сбербанка Константин Митин, заняла второе место на международном соревновании SoccerNet Player-Centric Ball Action Spotting Challenge 2026 на 12-м Международном воркшопе по компьютерному зрению в спорте CVSports, который прошел в Денвере в рамках конференции CVPR 2026. Его участникам предлагалось создать систему, способную анализировать видеозапись матча и распознавать связанные с мячом действия конкретных игроков.

Модель PC-SSAS может определять передачи, удары, отборы и другие игровые события. Она не просто находит нужный эпизод в видеозаписи, но и связывает его с конкретным футболистом. В результате трансляцию можно преобразовать в детализированную хронологию матча. Для обработки временной динамики исследователи использовали ИИ-архитектуру Mamba. Специальный процесс обучения помогает модели лучше распознавать редкие игровые события и точнее определять момент, когда они произошли.

Полученные данные можно использовать для построения карт передач, ударов, отборов и других пространственных показателей. Решение также помогает анализировать активность отдельных футболистов и развитие атак. Технология может быть полезна разработчикам спортивных IT-решений, футбольным аналитическим платформам, клубам, лигам, вещателям и поставщикам видеоданных. Она помогает автоматически получать из видео информацию для статистики по отдельным игрокам и создания аналитических продуктов.

Семен Будённый, управляющий директор, начальник управления развития перспективных технологий AI Сбербанка:
«Сегодня для создания подробных данных о футбольных матчах требуется ручная разметка видеозаписей. Наша модель дает возможность автоматически определить, какой игрок, какое действие, в какой момент и в какой точке поля совершил. На основе этих данных можно строить карты передач и ударов, анализировать действия отдельных футболистов и развитие атак. Сейчас мы сосредоточены на внедрении современных технологий в спортивные школы и молодежные академии. Наша цель - чтобы цифровые инструменты помогали и в тренировках, и в отборе молодых талантов, взращивая новые звезды большого спорта».

Посмотреть датасет соревнования можно на GitVerse и GitHub.