CASTLE Challenge @ EgoVis 2026 使用了超过600小时的记录来评估长篇主观视角视频问答。获胜系统由CASTLE2026团队WDL开发，采用基于Qwen模型的多模态推理流程。该流程解析问题提示，检索相关的音频转录，并整合辅助图像和视频帧，以回答需要来自各种来源证据的问题。LoRA和帧采样等技术显著提高了性能，使其在该挑战赛中排名第一。 AI
影响 展示了用于主观视角视频理解的高级多模态推理能力，可能改进未来的视频分析和问答AI系统。
排序理由 该集群描述了一份技术报告，详细介绍了一个在特定挑战赛中获胜的系统，这属于研究成果。 [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 →