首届EgoCross挑战赛在CVPR 2026期间的EgoVis 2026上举办，为评估多模态大语言模型在跨域主观视角视频问答方面的能力设立了一个基准。该挑战赛侧重于模型在手术、工业装配、极限运动和动物视角等不同领域的泛化能力。参赛者在两个赛道（源域受限和开源）提交了超过1500份参赛作品，旨在推动主观视角视频理解的发展。 AI
影响 为多模态大语言模型在主观视角视频理解领域建立了一个新基准，有望推动其泛化能力的进步。
排序理由 介绍新基准和挑战赛的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
