🏀 BPT-V: 物理信息视觉推理挑战赛数据集 🚀

📌 简介

欢迎来到天津商业大学大学物理课堂结合算法挑战赛！👋 各位勇敢的参赛者，你们即将挑战的是 BPT-V (Ball Parabola Trajectory & Vision) 数据集，这是结合计算机视觉 (CV) 与物理信息神经网络 (PINNs) 的终极奥义。

传统模型在噪音和遮挡面前往往会“抓瞎”🙈，但真正的硬核算法应该像物理学家一样思考！本赛题要求你们把**牛顿老人家的经典力学（运动学、动量守恒、能量衰减）**注入到模型里。别让你的 AI 只是在猜坐标，要让它读懂背后的“物理灵魂”！✨

📂 数据集结构

本数据集藏在 visiondata 目录里，本次公开赛共放出 90 个完全匿名的视频样本 (video_001 到 video_090)。 为了防止大家搞“按名索骥”的骚操作，视频的难度已经完全随机打乱。抽到哪一关，全看你的手气！🎲

🚨 特别注意： 为了公平测评，我们偷偷扣下了最后 10 个样本 (video_091 到 video_100) 作为官方终极测评集。这部分数据不会发给大家，将用于最后决定谁才是真正的“物理代码之王”！🏆

每个视频文件夹的内部长这样：

video_001/
│
├── video_001.mp4         # 原始大片 (分辨率: 1280x720, 30 FPS)
├── data.json             # 物理真相 (Ground Truth)
└── frames/               # 逐帧拆解图 (懒人专用，直接开喂)
    ├── frame_0000.jpg
    ├── frame_0001.jpg
    └── ...

📊 数据字段说明 (data.json)

为了考验大家推导物理参数的功力，我们故意藏起了速度、角度、重力加速度 $g$ 和弹力衰减系数 $e$。 data.json 只给你留了点最基本的“线索”，能不能反演真相就看你们的了！🧐

1. metadata (全局情报)

• video_width: 宽度 (1280 像素)。
• video_height: 高度 (720 像素)。
• fps: 帧率 (30 FPS，计算 $\Delta t$ 的关键，别算错了！)。
• radius: 小球像素半径（每个视频的小球可能不一样大，别想着用一个参数走天下）。

2. frames (物理真理)

• frame_id: 帧号。
• x, y: 小球中心坐标。

⚠️ 友情提示： 就算小球飞进柱子后面消失了，data.json 依然会给你上帝视角的精确坐标。这就是你们要教给 AI 的“透视眼”！👀

🌟 关卡难度预览 (盲盒开箱)

数据集里混杂了三种不同口味的挑战，抽中哪个全凭人品：

1. 简单关卡：阳光明媚，小球裸奔，毫无压力。☀️
2. 中等干扰：背景开始搞事情，偶尔还有窄柱子挡路。小球会玩“躲猫猫”，注意别跟丢了。🙈
3. 视觉地狱（困难）：欢迎来到“程序员的噩梦”。极强的噪点、满地的干扰项、甚至还有棋盘格干扰边缘检测。最离谱的是巨大的遮挡物，小球会消失很久，只有懂物理的模型才能在这片混沌中找回真相。💀

🛠️ 秘密通关提示 (Hints)

想拿高分？光靠堆 ResNet 可能会哭得很惨。这里有几个锦囊，拿好不谢：🎁

💡 提示一：关于“看”的艺术 (Vision)

整张图塞进模型太沉了？背景里那些不动的干扰项能不能先请走？试试看怎么把运动的小球从杂乱的背景里“抠”出来。记住，先看清目标，再谈预测。📸

💡 提示二：关于“消失”的哲学 (Occlusion)

当小球飞进遮挡物后，视觉模型就“失明”了。这时候该谁上场？利用它进去之前的速度和姿态，在大脑里画出它接下来的路径。这可是考验模型“时空记忆”的时候。🧠

💡 提示三：牛顿在看着你 (Physics-Informed)

不要让你的 AI 乱猜轨迹。小球的运动是有“法律”的！在计算损失函数时，能不能把重力公式 $\frac{1}{2}g \Delta t^2$ 塞进去？让模型明白，不符合物理规律的预测，统统都要被罚！🍎

祝各位同学在物理与代码的海洋里玩得开心！期待看到你们的神级算法！加油！🔥