Das Paper "Uplifting Table Tennis: A Robust, Real-World Application for 3D Trajectory and Spin Estimation" von Daniel Kienzle, Katja Ludwig, Julian Lorenz, Shin'ichi Satoh und Rainer Lienhart wurde auf IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2026 akzeptiert.

Die Autoren präsentieren eine robuste End-to-End-Pipeline zur Analyse von Tischtennisspielen, die erstmals die präzise 3D-Trajektorie und den Spin des Balls direkt aus üblichen TV-Übertragungen ableiten kann.
Die Lösung überwindet das zentrale Problem fehlender 3D-Grundwahrheiten durch ein zweistufiges Framework:
    1. Front-End (2D-Wahrnehmung): Segformer++-Detektoren erkennen hochpräzise die 2D-Ballpositionen und Tischpunkte in jedem Frame. Dieses Modul wird auf dem neuen, hochauflösenden TTHQ-Datensatz trainiert.
    2. Back-End (2D-zu-3D-Uplifting): Ein darauf spezialisiertes Transformator-Netzwerk wird ausschließlich mit synthetischen, physikalisch korrekten 3D-Daten trainiert, um die 2D-Erkennungen in die 3D-Welt zu überführen.
Durch architektonische Anpassungen, wie ein zeitproportionales Positional Embedding, ist die Pipeline extrem robust gegenüber realen Problemen wie variablen Bildraten und fehlerhaften Detektionen.
Diese Arbeit stellt ein praktisches, sofort einsetzbares Werkzeug für die detaillierte Technik- und Leistungsanalyse im Tischtennissport dar. Weitere Informationen zum Paper sind unter  https://kiedani.github.io/WACV2026/index.html zu finden.