축구의 공간 지표는 보통 22명 전원의 위치를 전제로 계산되지만, 방송 메인 카메라에는 순간마다 10~16명만 잡히는 경우가 흔하다. 공개 전 피치 추적 데이터(Metrica Sports) 3경기에 가상 중계 시야를 얹어 이 왜곡을 재현한 결과, 화면 밖 선수를 그냥 비워 두는 방식은 숨은 영역의 피치 컨트롤 오차를 25.1~26.9 퍼센트포인트(pp), 팀 점유 비율의 평균절대오차를 11.1~13.4pp까지 키웠다.
이 논문은 동료검토 전 arXiv 프리프린트로, 별도 학습 없이 현재 경기의 관측만으로 선수를 추정하는 여러 기준선을 비교했다. 가장 성능이 좋았던 방식은 역할을 기준으로 팀 중심점을 보정해 투표하는 centroid voting이었다. 이 방법은 숨은 영역 오차를 12.2~13.8pp로 낮춰 대략 절반 수준으로 줄였고, 시야 폭 36~60m 전 구간과 3경기 모두에서 점유 비율 오차를 화면 밖 선수를 무시한 기준의 28~48%로 떨어뜨렸다.
검증 설계도 분명하다. 3경기 중 1경기는 방법 개발에서 제외해 홀드아웃으로 두었고, 시뮬레이션 시야는 44m일 때 평균 14.6~15.0명의 선수를 보여 주도록 맞췄다. 고정 템플릿보다 동적 역할 보정이 낫다는 점도 수치로 확인됐다. 고정 템플릿은 median position error가 20.7~22.7m로 높았지만, centroid voting은 9.7~11.6m로 개선됐다.
짧은 가림 구간에서는 학습 기반 기존 연구의 9.6초 범위와 비교 가능한 조건도 점검했다. 이 범위에서 무학습 방식은 median position error 3.3~8.9m를 보였지만, 숨은 선수 관측의 50~57%는 그보다 긴 9.6초 초과 구간에 있었다. 즉, 실제로 공간 지표가 가장 필요한 장기 가림 상황이 오히려 더 큰 비중을 차지했다.
실제 방송 영상 2개 창에 GSR 파이프라인을 끝단까지 붙여보면 영향은 더 직접적이다. 월드컵 네덜란드-모로코 경기의 두 junk possession 창에서 Space-Creation Index는 각각 +15.6→+32.8, -10.9→+4.7로 바뀌었고, 두 번째 창은 판정 등급 자체가 ‘dead junk’에서 ‘weak progression’으로 뒤집혔다. 저자들은 이것이 정확도 보장이라기보다, 화면 밖 선수 처리 방식에 따라 방송 기반 공간 판정이 민감하게 흔들린다는 신호라고 정리한다.
| 구분 | 값 | 근거 단서 |
|---|---|---|
| 공개 benchmark 데이터 | Metrica Sports open tracking data, 3 matches, first 45 minutes, 5 fps 평가 | Section 3 Data |
| 가상 시야 W=44m | 평균 14.6–15.0명 가시 | Section 3 Viewport simulator / Table 2 |
| B0 ignore의 hidden-zone control MAE | 25.1–26.9 pp | Table 1 / Results Ladder; Abstract |
| B4 centroid vote의 hidden-zone control MAE | 12.2–13.8 pp | Abstract / Table 1 |
| World Cup case study SCI 변화 | Window 1: +15.6→+32.8; Window 2: -10.9→+4.7 | Section 6 Application |
자료: STORIUM 정리
한계도 제시됐다. 실전 GSR에서는 트랙 분절과 저조한 번호 OCR 커버리지(약 45%) 때문에 역할 기반 보정이 근사치에 머물 수 있고, 시뮬레이션 시야는 줌과 틸트를 넣지 않았다. 그럼에도 공개 데이터와 CPU만으로 재현 가능한 기준선을 제시하고, 학습 없이도 쓸 수 있는 하한을 명확히 그은 점이 이 연구의 핵심이다.
원문과 공개 코드는 arXiv:2607.11548와 연구 저장소에서 확인할 수 있다. 결과는 3경기와 월드컵 방송 2개 구간을 대상으로 한 프리프린트 수준의 검증이다.
저작권자 © STORIUM 무단전재 및 재배포 금지
