본 논문은 팀 스포츠와 같은 영역에서 수집된 다중 에이전트 궤적 데이터의 결측치 문제를 해결하기 위해 MIDAS(Multi-agent Imputer with Derivative-Accumulating Self-ensemble) 프레임워크를 제안합니다. MIDAS는 Set Transformer 기반 신경망을 통해 위치, 속도, 가속도를 공동으로 예측하고, 예측된 속도와 가속도 값을 재귀적으로 누적하여 대체 추정치를 생성합니다. 이러한 예측값들은 학습 가능한 가중치 집합을 사용하여 결합되어 최종적으로 보간된 궤적을 생성합니다. 세 가지 스포츠 데이터셋에 대한 실험을 통해 MIDAS가 기존 기준 모델보다 위치 정확도와 물리적 타당성 측면에서 뛰어난 성능을 보임을 보여줍니다. 마지막으로, 총 이동 거리 및 패스 성공 확률 추정과 같은 MIDAS의 활용 사례를 제시하여 완전한 추적 데이터가 필요한 실제 다운스트림 작업에 대한 적용 가능성을 강조합니다.
