传统的做法通常是教练手动观看比赛视频，一边看一边记录各种数据，比如球员的得分、失误情况，击球的位置、类型等。这个过程极为繁琐，一场比赛可能包含50到100多个回合，教练往往要花费3到5个小时来分析一场完整的比赛视频。而且，手动标注和数据收集不仅耗时耗力，还容易出错，需要教练高度集中注意力，反复观看视频，这无疑大大增加了他们的工作负担。
另外，羽毛球运动充满了空间和动态的变化，球员需要根据球的轨迹、对手的位置迅速做出反应。然而，传统的2D视频很难全面展现这些空间信息，比如球员的实际站位、击球的真实角度和力度等。教练在分析时，很难从2D视频中精准地把握这些关键信息，导致分析结果不够准确和全面。并且，数据和视频的分离也让问题变得更加棘手。教练在讲解时，往往需要在视频和数据之间频繁切换，这不仅增加了理解的难度，也使得信息的传递变得低效，球员难以快速理解教练的意图。这些问题就像一道道屏障，阻碍着教练和球员从比赛分析中获得最大的价值。
二、VIRD应运而生：解决传统困境的钥匙
为了打破这些困境，VIRD（VR Bird Interactive Video Analysis Tool）这款沉浸式比赛视频分析工具应运而生。它是研究团队与奥运级别的羽毛球专业人士紧密合作的成果，旨在利用现代技术为羽毛球比赛分析带来革命性的变化。
VIRD的设计理念基于对传统分析方法痛点的深刻理解。它采用了自上而下的分析方法，就像是从高空俯瞰地图，先让用户对整个比赛有一个宏观的了解，然后再逐步深入到具体的回合和击球细节。这种方式与传统的自下而上、逐帧观看视频的方法截然不同，大大提高了分析效率。
在技术实现上，VIRD借助了先进的计算机视觉（CV）技术。通过特定的模型，它能够自动从比赛视频中提取各种关键数据，比如球员的位置、击球轨迹、得分情况等，无需教练手动收集，这就像是给分析过程装上了一个智能引擎，让数据获取变得高效而准确。同时，VIRD利用VR技术构建了一个沉浸式的3D环境，将比赛数据和视频完美融合在一起。教练和球员可以在这个虚拟的3D空间中自由穿梭，从不同角度观察比赛，仿佛置身于比赛现场，这种沉浸式的体验极大地增强了对比赛的理解和分析能力。
三、VIRD的设计与功能剖析（一）自上而下的分析流程
VIRD的核心设计之一是自上而下的分析流程，它主要包含四个关键步骤。第一步，用户可以通过比赛总结数据，快速找到感兴趣的回合。比如，教练可以根据比赛的比分、回合时长等信息，筛选出那些对比赛结果有重要影响的回合。第二步，对筛选出的回合进行详细分析，比较不同回合的统计数据，从而获得一些初步的见解。例如，观察球员在不同回合中的击球成功率、失误类型等，找出其中的规律。第三步，深入研究特定击球的比赛细节，这一步允许用户查看球员的具体动作、击球顺序等，进一步挖掘比赛中的关键信息。最后一步，通过查看其他具有相似或对比模式的回合，来验证和完善之前的见解，确保分析结果的准确性和可靠性。
为了让大家更好地理解，我们来看一个例子。假设教练正在分析一场比赛，他首先查看比赛总结，发现某一局比赛比分非常接近，于是选择分析那些导致比分变化的关键回合。在这些回合中，教练注意到球员在某些击球上出现了较多失误，进一步查看这些失误击球的细节，发现球员的站位和击球动作存在问题。最后，教练通过查看其他类似的回合，确认了这些问题的普遍性，并得出针对性的训练建议。这种自上而下的分析流程，就像是层层剥茧，能够帮助教练快速、全面地分析比赛，找到问题的核心。
（二）计算机视觉数据预处理
数据是分析的基础，VIRD通过先进的计算机视觉技术，实现了高效的数据预处理。它开发了一套半自动的数据处理管道，能够从单目比赛视频中提取出丰富的数据。
具体来说，这些数据主要包括三个类型。第一类是比赛和回合总结数据，这部分数据通过手动标注比赛视频中的回合时间范围、发球球员、得分方等信息，再结合计算机视觉模型的输出自动计算得出。例如，通过算法可以根据标注信息计算出每个回合的时长、击球次数、球员得分等统计数据。第二类是3D空间数据，利用MonoTrack模型，VIRD能够自动重建所有击球的3D轨迹和速度，同时结合CLIFF模型预测球员的3D姿态，让用户可以直观地看到球员在场上的动作和位置变化。第三类是击球统计数据，根据专家的分析需求，从3D空间数据中自动推导得出。比如，通过近似羽毛球过网时的速度向量来判断击球的倾向，是进攻还是防守；根据击球的结果，将其分类为得分球、失误球或普通球，并计算相应的数量；通过将击球的起始和结束点投影到球场上，确定击球的分布区域。
虽然目前VIRD的数据处理流程还不是完全自动化，手动标注部分仍占一定比例，但随着计算机视觉技术的不断发展，未来有望实现更高效的自动化处理。
（三） 丰富的视觉设计
VIRD精心设计了五个视觉组件，这些组件就像是不同的观察窗口，从多个角度帮助用户深入分析比赛。
击球过滤器（Shot Filter）：它允许用户根据球员和击球属性来分析特定的击球。用户可以通过设置关键指标，如球员、击球结果、击球位置等，快速筛选出所需的击球数据。比如，教练可以筛选出某位球员的所有得分球，或者某个区域的击球数据，从而深入分析球员的优势和劣势。在分析两位球员的比赛时，通过击球过滤器可以清晰地看到每位球员得分球的来源和分布情况，为制定战术提供依据。
情境化3D可视化（Situated 3D Visualizations）：在1:1的虚拟球场上展示3D击球弧线和过滤后的击球热图。击球根据结果进行颜色编码，红色表示失误球，绿色表示得分球，白色表示其他球。用户与击球弧线交互时，可以实时显示羽毛球的动态轨迹。这一组件让用户能够直观地了解击球的空间属性，比如弧线形状和分布，快速从多个回合的击球中获取见解。
比赛视图（Game View）：展示3D重建的比赛视图和视频，两者同步呈现，方便用户更全面地分析比赛细节。在这个视图中，用户可以看到球员和击球的动态运动，实现准确的空间感知和灵活的视角切换。比如，用户可以从不同角度观察某个击球瞬间，对比不同击球的情况，深入分析比赛中的战术和技巧。
击球过滤器（Shot Filter）：它允许用户根据球员和击球属性来分析特定的击球。用户可以通过设置关键指标，如球员、击球结果、击球位置等，快速筛选出所需的击球数据。比如，教练可以筛选出某位球员的所有得分球，或者某个区域的击球数据，从而深入分析球员的优势和劣势。在分析两位球员的比赛时，通过击球过滤器可以清晰地看到每位球员得分球的来源和分布情况，为制定战术提供依据。
情境化3D可视化（Situated 3D Visualizations）：在1:1的虚拟球场上展示3D击球弧线和过滤后的击球热图。击球根据结果进行颜色编码，红色表示失误球，绿色表示得分球，白色表示其他球。用户与击球弧线交互时，可以实时显示羽毛球的动态轨迹。这一组件让用户能够直观地了解击球的空间属性，比如弧线形状和分布，快速从多个回合的击球中获取见解。
比赛视图（Game View）：展示3D重建的比赛视图和视频，两者同步呈现，方便用户更全面地分析比赛细节。在这个视图中，用户可以看到球员和击球的动态运动，实现准确的空间感知和灵活的视角切换。比如，用户可以从不同角度观察某个击球瞬间，对比不同击球的情况，深入分析比赛中的战术和技巧。
在VIRD中，用户通过VR控制器与界面和可视化内容进行交互，操作简单直观。在总结模式下，用户只需将光标悬停在某个击球上，就能快速链接到该击球的比赛情境，查看包含3D动态击球轨迹、球员姿势和相应视频片段的比赛视图，这就像拥有了一个时光穿梭器，能够瞬间回到比赛的关键瞬间。如果想要进入比赛模式，用户可以选择“View Match”，或者直接从回合菜单中选择感兴趣的回合。此外，用户还能直接悬停在回合中的击球弧线上，快速播放视频，方便重复观看特定的击球或击球序列。
在虚拟球场上，用户可以使用拇指摇杆或通过身体移动来自由导航，从不同角度观察比赛，获得更准确的空间和时间感知。VIRD还提供了灵活的视角选择，比如第一人称球员视角，让用户能够从球员的角度感受比赛，更好地理解球员在场上的决策和动作。
（五）不断优化：设计迭代过程
为了确保VIRD的实用性和易用性，研究团队进行了三轮用户测试，邀请了三位经验丰富的美国羽毛球教练参与。这些教练都有着丰富的执教经验，他们的反馈为VIRD的优化提供了重要依据。
在第一轮测试中，教练对VIRD的整体分析方法和击球过滤功能给予了肯定，但也提出了一些改进建议。比如，建议将得分球和失误球分开显示，以便更直观地比较击球模式；同时认为通过在虚拟球场上移动来过滤击球的方式较为繁琐，不如直接在面板上选择按钮方便。
第二轮测试重点关注静态数据与动态轨迹和视频的链接交互。教练指出，当前查看击球弧线的动态轨迹时，需要从回合菜单中查找相应的视频，操作不够便捷，建议在预览击球弧线时直接显示视频。此外，教练强调在指导球员时，不仅要指出失误的位置，更要让球员看到导致失误的击球序列和球员动作。
第三轮测试主要评估沉浸式3D可视化的效果。教练们能够高效地预览筛选出的击球组，并从3D击球弧线中解读出击球类型，回答相关的执教问题。但他们也发现，由于当时3D球员姿势尚未完全实现，在分析回合时仍需依赖视频视图，因此建议添加球员姿势功能，以增强3D比赛视图的实用性和吸引力。
根据这些反馈，研究团队不断对VIRD进行优化和改进，使其功能更加完善，用户体验更加流畅。
（六）技术实现
VIRD的后端基于Pytorch框架，利用先进的计算机视觉模型（如MonoTrack和CLIFF）从羽毛球比赛视频中提取数据。处理后的比赛数据在前端的3D场景中实时渲染，前端则是使用Unity3D构建，包括用户界面和3D场景。为了确保在Meta Quest 2平台上能够流畅运行，研究团队使用XR Interaction Toolkit实现了VR交互，为用户带来自然、直观的使用体验。用户可以通过访问https://github.com/ticahere/VIRD-demo来体验VIRD的界面。
四、VIRD的实际效果如何？（一）案例研究设计
为了全面评估VIRD在比赛分析中的实际效果，研究团队进行了深入的案例研究。邀请了两位来自用户测试阶段的高水平教练（C1和C2）以及一位美国国家队球员（P1）参与。这三位参与者之前都没有使用过VR进行比赛分析的经验。
研究选择了三场专业比赛进行分析，其中两场是公开比赛（M1：2021年丹麦公开赛决赛，男单，桃田贤斗 vs. 安赛龙；M2：2022年世界羽联世界锦标赛四分之一决赛，女单，山口茜 vs. 马林），一场是由球员P1提供的个人比赛（M3：2022年墨西哥国际赛，男单，P1 vs. 卡斯蒂略）。
在实验设置方面，用户研究在一个300平方英尺的会议室中进行，参与者使用Meta Quest 2头戴式设备体验VIRD，设备连接到配备i7 - 11800H 2.30GHz处理器和NVIDIA GeForce RTX 3060显卡的电脑上。Meta Quest 2的高分辨率和高刷新率为用户提供了清晰、流畅的视觉体验。同时，VIRD的视图还被投影到一台65英寸的4K电视屏幕上，方便研究人员观察参与者的操作和分析过程。
在研究设计上，每位教练需要分析一场公开比赛，以制定比赛策略；教练C1和球员P1则共同分析比赛M3，以评估VIRD在推导和交流教练见解方面的作用。在分析过程中，教练C1使用VIRD进行分析，并直接向球员P1提供指导建议，P1通过电视屏幕观看C1的操作和分析。
整个研究过程包括多个步骤。首先，研究人员向参与者介绍研究内容，并获得他们的同意参与和记录。接着，参与者需要在桌面上观看比赛视频10分钟，熟悉比赛中的球员。然后，研究人员向他们介绍VIRD的关键功能，并让他们自由探索这些功能。之后，参与者使用VIRD对指定比赛进行10分钟的分析，并在分析过程中大声说出自己的想法。分析结束后，参与者需要总结自己的指导建议。最后，研究人员通过问卷调查和后续访谈收集参与者对VIRD的反馈。整个研究过程大约需要60 - 75分钟，参与者会获得一张价值50美元的礼品卡作为报酬。
（二）案例研究结果
案例1：制定比赛策略：以教练C2分析比赛M2为例，在使用传统桌面分析方法时，C2需要逐帧观看YouTube视频，手动记录统计数据，如每个回合的得分、失误和短回合数量。通过这种方式，他发现马林在第一局上半场11分中赢得8分，其中4个得分球和5个非受迫性失误，并且马林的打法较为单一，主要是平抽快打，导致山口茜在场上的活动范围较小。基于这些观察，C2提出了一些初步的指导见解，如马林需要利用后场扩大场地，改变击球的速度和角度，同时减少失误。
案例1：制定比赛策略：以教练C2分析比赛M2为例，在使用传统桌面分析方法时，C2需要逐帧观看YouTube视频，手动记录统计数据，如每个回合的得分、失误和短回合数量。通过这种方式，他发现马林在第一局上半场11分中赢得8分，其中4个得分球和5个非受迫性失误，并且马林的打法较为单一，主要是平抽快打，导致山口茜在场上的活动范围较小。基于这些观察，C2提出了一些初步的指导见解，如马林需要利用后场扩大场地，改变击球的速度和角度，同时减少失误。
而在使用VIRD进行分析时，C2可以通过过滤器分别关注每位球员的得分球和失误球，深入到特定回合或击球视频进行验证，并在分析中关注击球位置、分布和轨迹等空间信息。他发现马林的得分球大多来自后场，且集中在右下角，而山口茜的得分球则多来自前场；马林的失误分布较为均匀，山口茜在前场的失误较多。此外，C2还通过分析短回合发现马林的反手发球过于平，给了山口茜得分机会。通过VIRD，C2能够用具体的数据和可视化信息验证之前的见解，并提出更具体的建议，如马林应提高发球高度或改变发球方式。2. 案例2：验证和交流教练见解：教练C1在研究前已经对比赛M3进行了分析，并与球员P1进行了讨论。在案例研究中，他使用VIRD进一步深入分析比赛数据，与P1直接交流，并验证和更新之前的见解。
C1首先查看比赛总结，选择了比分接近的第二局进行分析。他关注P1在这一局中的18个失误，利用VIRD的虚拟红色击球弧线快速定位失误来源，发现P1的失误主要集中在防守击球上，这与他之前的分析一致，于是他建议P1加强防守训练。接着，C1分析P1的14个得分球，发现43%的得分球来自前场左侧，这让他感到惊讶，因为P1在网前技术上并不自信。他通过向P1展示热图，指出P1在前场的得分能力比预期的要好。
球员P1在使用VIRD分析自己的比赛时，首先关注得分球，比较不同局中得分球的位置和轨迹。他发现自己的得分球大多来自后场左侧，且击球方向大多向下或平抽。通过对比不同局的数据，他还发现自己在第二局中前场得分较多，但进一步分析发现很多得分是由后场的铺垫造成的。此外，P1还对自己的失误进行了分析，发现大部分失误来自后场，且击球弧线过高。通过VIRD的分析，P1对自己的比赛表现有了更清晰的认识，认为VIRD有助于他发现自己的优势和劣势，为后续的训练提供方向。3. ** 研究后调查与访谈**：研究人员通过问卷调查收集了参与者对VIRD的主观评价，评价指标包括学习性、可用性、各功能的实用性和整体满意度等，采用5分制李克特量表进行评分。结果显示，专家们对VIRD的学习性、可用性和实用性评价较高（除3D球员姿势外，平均得分均≥4.0）。
在学习性方面，专家们认为VIRD的功能易于学习，各个视觉元素（如比赛总结、击球过滤器、回合菜单）提供的数据清晰易懂，自上而下的分析方法和空间数据可视化也能在训练中快速掌握。
实用性方面，专家们认为VIRD在寻找击球模式、验证见解和解释教练建议方面非常有帮助。教练们认为静态数据面板（比赛总结和击球过滤器）最为实用，因为它们为分析提供了基础，能够链接到视频和空间
在实用性方面，专家们认为VIRD在寻找击球模式、验证见解和解释教练建议方面非常有帮助。教练们认为静态数据面板（比赛总结和击球过滤器）最为实用，因为它们为分析提供了基础，能够链接到视频和空间数据可视化，直观地向球员展示数据和视频。同时，3D虚拟球场配合灵活的视角、VR控制器的选择与导航功能，以及动态3D击球轨迹的展示，都让分析过程更加高效。球员则认为3D可视化（热图和轨迹）在发现击球模式和分析自身表现方面十分有用，能从不同角度对比视频与3D比赛场景。不过，由于技术限制，3D球员姿势的实用性评分较低（均值为2.7），教练们发现球员姿势偶尔会出现失衡情况，但这并未显著影响他们对3D比赛的理解，必要时他们会参考视频视图进行对比。
在用户体验上，专家们普遍感到满意、投入，且更倾向使用VIRD进行比赛视频分析（所有指标均值均为5.0）。对于教练而言，VIRD的主要优势在于能即时获取数据、采用交互方式以及使用3D可视化，大大缩短了比赛分析时间（从3 - 5小时减少到不到30分钟）。而对于球员来说，VIRD提供的空间数据有助于深入了解自身的优势和不足。但教练们也指出，击球和姿势检测偶尔不准确，虽可通过实际视频验证，但会影响3D观赛体验。球员则表示VR环境有时会让他分心，甚至认为在疲劳时，更愿意用该系统来观赛而非分析。
五、VIRD带来的变革与未来展望（一）全新的分析模式
传统的体育视频分析，大多是体育专业人员，如球探和教练，受限于视频数据质量和资源，只能通过观看单个比赛视频来评估球员表现，这种方式使得数据与实际比赛情境脱节，导致分析结果不够全面、难以有效交流。而VIRD采用的自上而下的分析方法，结合基于计算机视觉的数据收集和人为参与的分析模式，让专家们可以借助即时获取的总结数据和视频，进行高效的分析。即便自动化过程出现问题，专家们还能依据实际视频来核实数据。随着计算机视觉技术的持续进步，自动数据收集将在更多体育领域发挥作用，而以用户为中心的设计会让专家们运用这种分析方法时，更好地理解数据的实际情境。
（二）沉浸式分析的优势
通过案例研究发现，像VIRD这样端到端的沉浸式分析流程，非常适合羽毛球教练指导工作。相较于科学数据分析中的沉浸式分析，体育数据本身具有空间和动态特性，用视频和3D可视化展示见解更具优势，且体育视频分析更依赖专业领域知识，无需复杂的数据处理。具体来说，VIRD的优势体现在以下几个方面：
降低情境切换成本：在传统桌面分析流程中，教练需要花费大量时间在视频中查找关键比赛时刻，同时在笔记上记录感兴趣的回合，不断在笔记数据和视频画面之间切换理解，这一过程产生了较高的情境切换成本，导致分析周期较长。而VIRD利用大屏幕空间和情境化可视化，将所有所需数据以空间连续的方式呈现给教练，减少了情境切换成本。例如，教练可以直接在虚拟环境中查看各种数据，快速验证自己的假设，“戴上头显，我就能获取所需信息，甚至不用先看视频”（教练C1）。
深化比赛理解和参与度：专家们对能在虚拟球场自由移动、从不同角度观看比赛感到兴奋，看到虚拟羽毛球和3D重建比赛画面时也备受吸引。在分析过程中，他们感觉更加投入和互动，“我喜欢能四处移动身体，直面击球的感觉，这比单纯看电视或电脑屏幕更有帮助”（教练C1）。专家们更倾向于通过3D视角观看比赛，仅在3D视图无法理解时才参考视频。球员P1通过分析击球位置和轨迹，发现自己大部分得分球来自反手侧且向下击球。有趣的是，在使用VIRD时，专家们有很强的临场感，一位教练用第一人称视角描述分析，另一位教练则移动到球场边的教练位置，球员也从自己的球场视角观察比赛。
降低情境切换成本：在传统桌面分析流程中，教练需要花费大量时间在视频中查找关键比赛时刻，同时在笔记上记录感兴趣的回合，不断在笔记数据和视频画面之间切换理解，这一过程产生了较高的情境切换成本，导致分析周期较长。而VIRD利用大屏幕空间和情境化可视化，将所有所需数据以空间连续的方式呈现给教练，减少了情境切换成本。例如，教练可以直接在虚拟环境中查看各种数据，快速验证自己的假设，“戴上头显，我就能获取所需信息，甚至不用先看视频”（教练C1）。
深化比赛理解和参与度：专家们对能在虚拟球场自由移动、从不同角度观看比赛感到兴奋，看到虚拟羽毛球和3D重建比赛画面时也备受吸引。在分析过程中，他们感觉更加投入和互动，“我喜欢能四处移动身体，直面击球的感觉，这比单纯看电视或电脑屏幕更有帮助”（教练C1）。专家们更倾向于通过3D视角观看比赛，仅在3D视图无法理解时才参考视频。球员P1通过分析击球位置和轨迹，发现自己大部分得分球来自反手侧且向下击球。有趣的是，在使用VIRD时，专家们有很强的临场感，一位教练用第一人称视角描述分析，另一位教练则移动到球场边的教练位置，球员也从自己的球场视角观察比赛。
尽管VIRD展现出诸多优势，但目前也存在一些局限性。计算机视觉模型在检测击球和球员姿势时，准确率分别约为90%和96%，出现不准确情况时会造成困扰。不过随着计算机视觉技术的不断进步，通过更好的训练模型，自动数据收集的局限性有望得到大幅改善，使VIRD的分析更加可靠。
由于难以接触到大量的高水平羽毛球专家，研究仅收集了少数专家的反馈。不同教练和球员的分析方法和资源存在差异，因此VIRD的解决方案可能无法适用于所有专家。但该研究的主要贡献在于探索了沉浸式分析在现实体育教练指导中的应用，为后续研究和改进提供了重要参考。
（四）未来可期
展望未来，VIRD有着广阔的发展空间。一方面，可以实现教练和球员在共享的沉浸式VR空间中进行远程协作，解决教练指导时间有限和视频讨论支持不足的问题。想象一下，无论教练和球员身处何地，都能在虚拟空间中共同分析比赛，实时交流见解，这将大大提高训练效率。另一方面，利用VR模拟比赛场景，为运动员提供更具沉浸感的训练环境，帮助他们更好地应对比赛中的各种情况。此外，引入自然语言输入方法，如GPT，能够进一步减少比赛分析中的情境切换成本，使分析过程更加高效。例如，教练可以通过语音指令快速获取所需数据和分析结果，实现更流畅的分析迭代。
总之，VIRD作为一款创新的羽毛球比赛分析工具，为羽毛球教练指导带来了新的思路和方法。尽管它还存在一些不足（如依赖视频标注、3D球员姿势精度待提升），但随着技术的迭代，体育数据分析的智能化浪潮已势不可挡。 清德智体联合浙江大学研发的AI羽毛球技战术统计系统，攻克了三维无标记动捕技术难关，通过高帧率相机与AI算法，实现毫秒级球体追踪、挥拍动作三维还原及体能消耗动态评估，彻底摆脱传统经验依赖与人工标注束缚。系统可自动生成击球策略分布、跑动热图、挥拍轨迹等多维度数据报告，为教练提供“即采即用”的科学决策支持。无论是VIRD的沉浸式交互，还是无标记动捕的自动化突破，都印证了技术正在以更低门槛、更高精度重塑竞技体育的未来。运动员与教练无需在繁琐的数据采集中消耗精力，而是聚焦于策略优化与能力突破——这或许才是科技赋能体育的真正意义。
六、研究术语概念解读
术语
概念解释
沉浸式分析（Immersive Analytics）
利用AR/VR技术，提供大空间屏幕和具身交互，在分析高维、多元数据时，通过沉浸感、多模态交互以及原位呈现数据，提升空间理解和用户体验的分析方法
计算机视觉（Computer Vision）
让计算机具备像人一样“看”的能力，通过算法对图像或视频中的内容进行识别、理解和分析，在VIRD中用于提取比赛数据
MonoTrack
用于从单目羽毛球视频中重建羽毛球轨迹的模型，为VIRD提供3D击球轨迹数据
CLIFF
能够从2D视频中估计SMPL参数，从而重建球员姿势的算法
SMPL
一种人体形状的学习模型，可从基本人体3D模型准确表示人体形状，辅助VIRD重建球员3D模型
公司介绍
清德智体——引领体育科技创新
视频视觉技术领先提供商
清德智体，业内领先的 DV Lab 实验室拥有者，成立于 2015年，一直专注于 视频和视觉技术在体育场景中的 实时重现与重建。
公司携手 国家体育总局科研所、清华大学、北京大学、浙江大学等知名学术机构，共同研发 AI辅训产品，为国家队在 近两届奥运会的备战提供 全过程、多项目的科技支持，并为 亚运会、世界军运会、世界大运会、全运会、全国田径锦标赛等 近百场大型赛事提供技术服务。
深耕竞技体育，荣誉见证实力
清德智体长期深耕 竞技体育垂直领域，凭借卓越的技术创新与行业贡献，荣获多项国家级及行业荣誉：
🏆 北京市专精特新企业
🏆 国家高新技术企业
🏆 中关村高新技术企业
🏆 北京市体育产业示范单位
🏆 中国领先体育服务创新品牌
🏆 “瞪羚”企业
🏆 北京市创新型中小企业
🏆 中国领先数字体育品牌
清德智体的核心产品入选 工信部 & 体育总局“全国100家智能体育典型案例”并多次受到 新华社、中央电视台等权威媒体报道。返回搜狐，查看更多
遭禁足5年！原新疆队球员：上诉三次都失败，球队假球钱当工资发
河北石家庄：乒乓全民联赛燃情启幕