亲自数数乒乓球数据集：OpenTTGames, Extended, T3Set, TT Sounds, RacketVision, LATTE-MV

状态：草稿（2026-10-13），已反映实测结果。 表格中的数字是 2026-10-13 下载的数据集副本，在只读临时 Pod（无 CPU、GPU）中使用 ffprobe 和 Python 标准库直接测量得到的值。未解压压缩包，仅读取了内部的文件列表和标签文件。论文或官方页面的数字作为“官方”单独记录。脚本和原始输出位于仓库 docs/experiments/2026-10-13-tt-dataset-stats/ 中。 编写规则：以实测数据为准，未能测量的标注为“未实测”。

目录

• 1. 为什么要亲自数
• 2. 一目了然
• 3. OpenTTGames：评估的基础
  • 视频
  • 标签
  • 陷阱
• 4. Extended OpenTTGames：Rally 是如何结束的
  • 陷阱
• 5. T3Set：带声音和传感器的训练视频
  • 陷阱
• 6. TT Sounds：清晰的击球声
  • 陷阱
• 7. RacketVision：球拍五点（乒乓球部分）
  • 陷阱
• 8. LATTE-MV：国际转播与自动追踪
  • 陷阱
• 9. 附赠：BlurBall 训练数据（公开部分）
• 10. 许可证与我们的方针
• 11. 重新统计的方法
• 参考

1. 为什么要亲自数

论文中的数据集表格一旦使用过，往往就不会再被核对。然而，模型的数字会直接继承数据的性质。如果在标记为“无球”的帧中能看到球，准确率就会虚假下降；如果 fps 混杂，“每帧位移量”之类的标准在不同剪辑中就会变成不同的含义。因此，在使用前我们必须亲自去数。数着数着，标签里的陷阱便浮出水面。

2. 一目了然

3. OpenTTGames：评估的基础

该数据集与 TTNet 论文（arXiv 2004.09927）一同公开，TT Score 的准确率数字几乎全部基于此。

视频

全部为 H.264、1920×1080、120fps，且 没有音轨（经 ffprobe 确认 12 个视频均只有一个视频流）。单个训练视频大小为 3.9–10.8GB。由于手机实时处理上限为 60fps，我们仅使用偶数帧将其降采样至 60fps 后进行评估。

标签

每场比赛的 zip 包中包含三种内容。

• ball_markup.json: {"프레임": {"x": …, "y": …}}. 若 x·y 为 −1，则表示“无球”。
• events_markup.json: {"프레임": "bounce" | "net" | "empty_event"}.
• segmentation_masks/*.png: 将人·球台·记分牌涂成不同通道的掩码。 其数量与带有球标记的帧数完全一致。

事件总数 4,271 与官方页面的“4,271 个事件”完全吻合。这证明我们的统计方法是正确的。

陷阱

1. 没有标记的帧并不代表“无球”，而是“未知”。 球标记仅存在于事件前 4 帧至后 12 帧（官方说明）。在总共 644,199 帧中，这部分占 52,987 帧， 8.2% 。如果把没有标记的帧当作“无球”，模型检测到的所有真实球都会变成错误答案，从而导致准确率大幅虚假下降。我们的加载器（ttscore/data/openttgames.py）会将两者区分开来。
2. test_7 中的“无球”不可信。 其他测试比赛的“无球”有 6–14 个，唯独 test_7 高达 104 个。其中 41 处实际上能看到球（经目视确认 6 处）。正因如此，BlurBall 在 test_7 上的准确率仅为 0.882，而剔除这 41 处后可达 0.9937（见第 2 篇）。
3. “net”大多并非指球触网。 与名称相反，它大多是球越过球网瞬间所打上的标记。其前后水平速度比为 0.75–1.01，球几乎没有减速（见第 5 篇）。若要查找“卡在”网上的球，必须使用 Extended 的 net 结束标签。
4. empty_event 的分布在不同比赛间差异巨大。 game_2 中有 536 个，而 game_5 中只有 19 个。由于这是一个在使用前必须先确认其含义的标签，我们选择不使用它。

4. Extended OpenTTGames：Rally 是如何结束的

这是在相同的 12 个视频基础上，附加了击球与回合结束原因的扩展数据集（arXiv 2512.19327, github moamal01/table_tennis_data）。它是我们裁判引擎的标准答案。

每场比赛的标签是一个 JSON， {"120fps 프레임": "값"} 。文件中混杂了三种类型的值。

论文报告了 282 个回合结束，但按原因分类相加的和为 281。我们实测的值也是 281。其中，可得知“是谁发球”的 275 个回合被用于评估。

陷阱

1. 如果在同一帧添加两个标签，其中一个会消失。 由于 JSON 的键是帧号，如果在有弹地（bounce）的帧上附加结束标签，弹地标签会被覆盖（例如：test_4 第 4530 帧的 bounce 被替换成了 right_net）。test_2 中则根本没有原始事件。因此，弹地与球网的标准答案不是从该文件中读取，而是从原本的 OpenTTGames 的 events_markup.json 中读取。
2. 前缀所指代的人因原因而异。 README 说明前缀表示“制造结局的选手”。对于 winner 和 double_bounce，带有前缀的选手会 得分，而其余情况下，带有前缀的选手会 失分 。 我们通过对比前一拍的方向进行了确认（winner 的 34 个中有 30 个一致，out 的 140 个中有 129 个一致），not_hitting_ball 的 10 个中有 8 个是未能击球的一方。
3. README 中列出的技术有六种，但数据中却有八种。 还多出了 smash 和 chop。
4. 左撇子。 test_3 和 test_7 各有一名，test_5 有两名（根据 README）。如果根据屏幕方向来推断正手和反手就会出错。

5. T3Set：带声音和传感器的训练视频

这是一个由两台摄像机、球拍传感器（9轴 IMU，100Hz）以及教练语音记录的业余多球训练数据集（KDD 2025, Zenodo）。下载的是分卷 zip（.zip + .z01–.z38）格式的 28GB 文件，我们 既没有合并也没有解压 ，仅读取了最后一个分卷的中心目录来统计文件列表。

视频文件（mkv）中通过同一容器附加了声音（AAC 44.1kHz）（2026-10-11 确认）。由于它是罕见的集视频、声音和传感器于一体的数据集，因此被用于第 6 篇的声音实验。

陷阱

1. 摄像机文件夹名称中存在拼写错误。 大多数是 remote（376）和 right（354），但混入了 romote 1, rIGHT 2, rIght 1。如果仅通过文件夹名称来挑选摄像机，会有 4 个被悄悄漏掉。
2. 轮次数与官方不符。 387 对 380。可能存在空轮次或重复，使用前需要核对（原因未查明）。
3. 传感器时钟与视频存在偏差，且每轮各不相同。 视频文件名（以秒为单位）与传感器时间的偏差在 −1.5 秒到 +3 秒之间。诸如“传感器击球时间 ±30ms”之类的对齐方式不可盲目相信。
4. 缺少球坐标标签。 球检测的准确率只能靠肉眼观察，且由于是多球训练， 落在地面和球筐里的静止球占了检测结果的 29% （120 张中有 35 张）。如果只统计“比赛中的球”，准确率为 0.54。

6. TT Sounds：清晰的击球声

这是图宾根大学公开的球拍与球撞击声数据集（arXiv 2409.11760）。一个 zip 包（845MB）中包含原始录音和 15ms 的音频片段。

陷阱

1. 片段数量与标签数量不同。 在 6,037 个 wav 中，标签表中有 5,702 个；在 149 个原始录音中，标签表所指的是 115 个。如果使用文件夹中的所有文件，会混入没有标签的声音。
2. 提供的划分将相同的录音拆分到了两边。 相邻的 15ms 片段同时进入了训练集和测试集，导致分数虚高。以原始录音为单位划分时，分数降低了 0.1–0.8%p（第 6 篇）。
3. 311 个非球拍样本也有旋转标签。 这就是旋转列的总和与 README 表格不同的原因。不能假设「有旋转 = 球拍声音」。
4. 这是在安静环境下的近距离录音。 这与手机麦克风和乒乓球馆的回声不同。正如第 6 篇中看到的那样，在实际录音中并未确认到这种效果。

7. RacketVision：球拍的五个点（乒乓球部分）

这是一个在乒乓球、网球、羽毛球国际转播中自动标注球的位置、球拍框以及五个点的数据集（arXiv 2511.17045, AAAI 2026）。三项运动合计 1,672 个剪辑，435,179 帧（数据集元数据）。我们只下载了乒乓球部分。球拍标注的详细形状在第 4 篇中。

陷阱

1. 混合了五种不同的 fps。 相同的「每帧移动量」意味着每个剪辑的速度不同。我们在下载时留下的笔记中也写了「60fps」，但这次统计后才发现错了。若要使用基于时间的规则（如弹跳间隔 0.12 秒），必须读取每个剪辑的 fps。
2. 元数据的标注数字段为空。 dataset_info.json 的 ball_annotated_frames·racket_annotated_frames 在乒乓球的 780 个剪辑中全部为 0。实际的标注在每个剪辑的标注文件中。
3. 标注较为稀疏。 标注帧的间隔中位数为 10 帧。并非每一帧都有标准答案。
4. 视频版权。 标注标为 MIT，但视频是从 YouTube 的职业比赛转播中剪辑出来的。我们仅将其用于内部研究，不公开帧画面。

8. LATTE-MV：国际转播与自动追踪

这是一个从国际比赛转播中截取多回合，自动追踪球、球拍、乒乓球台以及运动员 3D 姿态的数据集（arXiv 2503.20936, CVPR 2025）。官方数据是从约 800 小时的转播中筛选出的 73,222 个多回合交换，时长约 26.7 小时。

陷阱

1. 球坐标不是人工标注。 这是该数据管道的追踪结果。即使球被遮挡，Visibility 也为 1 且坐标已填充（BlurBall「漏掉」的 20 张图中，有 14 张是看不见球的）。
2. 指向模糊痕迹的末端。 在被判定为与 BlurBall 不同的 40 张图中，有 25 张是同一拖影的另一端（第 2 篇）。用标注规则不同的数据来评估模型，这种差异就会表现为误差。
3. 重复的帧。 剪辑中间有 27% 的帧与前一帧几乎完全相同（2026-10-11 实测）。实际 fps 可能低于 30。
4. 视频版权不明。 数据卡片显示为 Apache-2.0，但未说明原始转播视频的版权。仅用于内部测试。

9. 附录：BlurBall 训练数据（公开部分）

出于好奇第 2 篇中的 BlurBall 是通过观察什么来学习的，我们统计了其公开部分。

将近一半的训练视频是 25fps。 这意味着模型是从快门较长、球的拖影很多的视频中学习的，这也解释了为什么需要「模糊中心」标签。我们没有核实为什么视频数量和帧数与论文略有不同。我们也不知道这个视频列表是否与公开划分相同，或者是否与 OpenTTGames 重叠。因此，我们不会将 OpenTTGames 上的 BlurBall 数据看作泛化性能。

10. 许可证与我们的方针

TT Lab 是一个非商业服务。因此，我们也可以使用通过非商业条件数据训练出来的模型。不过，我们会记录每个模型是通过哪种非商业数据训练的，如果方针发生变化，我们将使用我们自己的数据重新训练。当修改并公开具有相同条件（SA）的数据时，我们会以相同的许可证发布。对于原始视频版权不明的数据，我们仅将其用于内部测试，不会将这些帧发布到屏幕或文章中。这也是本文中没有数据集帧画面的原因。

11. 重新统计的方法

# 저장소 docs/experiments/2026-10-13-tt-dataset-stats/
python3 dataset_stats.py <데이터셋 뿌리> > results/dataset_stats_YYYY-MM-DD.txt   # ffprobe, numpy 필요
python3 label_stats.py <라벨 뿌리> > results/label_stats_YYYY-MM-DD.json          # 표준 라이브러리만

由于不需要解压压缩包，只需读取列表和标签文件，因此内存控制在 1GB 以内就完成了。分卷 zip（T3Set）的标准 zipfile 无法读取跨越多个分卷的 zip，因此我们使用了一个小工具（experiments/sound/splitzip.py）来直接解析最后一个分卷的中心目录。

乒乓球小贴士。 如果标有「无球」的地方却能看到球，那么即使模型猜对了，也会被判定为错误。亲自去统计数据虽然麻烦，但在相信模型之前，必须先确认标准答案是否值得信赖。

参考

• OpenTTGames: https://lab.osai.ai/, TTNet https://arxiv.org/abs/2004.09927
• Extended OpenTTGames: https://arxiv.org/abs/2512.19327, https://github.com/moamal01/table_tennis_data
• T3Set: https://zenodo.org/records/15516144, https://github.com/jima-cs/t3set
• TT Sounds: https://github.com/cogsys-tuebingen/tt_sounds
• RacketVision: https://arxiv.org/abs/2511.17045, https://huggingface.co/datasets/linfeng302/RacketVision
• LATTE-MV: https://arxiv.org/abs/2503.20936, https://huggingface.co/datasets/ember-lab-berkeley/LATTE-MV
• BlurBall: https://arxiv.org/abs/2509.18387