aihuman-computer interactioncomputer visionedtechdigital learning

NTIRE 2026 影片顯著性預測挑戰賽：方法與結果綜述

arXiv - Human-Computer InteractionAndrey Moskalenko, Alexey Bryncev, Ivan Kosmynin, Kira Shilovskaya, Mikhail Erofeev, Dmitry Vatolin, Radu Timofte, Kun Wang, Yupeng Hu, Zhiran Li, Hao Liu, Qianlong Xiang, Liqiang Nie, Konstantinos Chaldaiopoulos, Niki Efthymiou, Athanasia Zlatintsi, Panagiotis Filntisis, Katerina Pastra, Petros Maragos, Li Yang, Gen Zhan, Yiting Liao, Yabin Zhang, Yuxin Liu, Xu Wu, Yunheng Zheng, Linze Li, Kun He, Cong Wu, Xuefeng Zhu, Tianyang Xu, Xiaojun Wu, Wenzhuo Zhao, Keren Fu, Gongyang Li, Shixiang Shi, Jianlin Chen, Haibin Ling, Yaoxin Jiang, Guoyi Xu, Jiajia Liu, Yaokun Shi, Jiachen Tu

本文概述了 NTIRE 2026 挑戰賽，介紹了用於自動化影片顯著性圖預測的新型大規模數據集與競賽成果。

AI 幫你先抓重點

AI 重點 1

大規模、高品質的人類注視數據集對於訓練視覺注意力模型至關重要。

滑鼠懸停看 AI 判斷理由
在開發能理解人類視覺注意力的 AI 時，數據的真實性與多樣性決定了模型的泛化能力。透過 5,000 多人的群眾外包數據，研究者能建立更接近人類真實認知行為的預測模型。
AI 重點 2

開放數據與程式碼審查機制提升了技術競賽的學術嚴謹性。

滑鼠懸停看 AI 判斷理由
不僅僅是比拼準確率，透過程式碼審查與數據公開，能確保開發出的演算法具有可重複性，並讓社群能針對模型架構進行更深層次的技術探討。

核心研究發現

  1. 1

    本次挑戰賽提供了一個包含 2,000 段多樣化影片的新型開放授權數據集，用於開發自動化顯著性圖預測方法。

  2. 2

    數據集包含超過 5,000 名評估者的群眾外包滑鼠追蹤數據，提供了精確的注視點與對應的顯著性圖。

  3. 3

    競賽吸引了超過 20 支團隊參與提交，最終有 7 支團隊通過了嚴格的程式碼審查階段。

  4. 4

    研究團隊已將挑戰賽使用的所有數據公開於 GitHub，以促進該領域的技術發展與研究透明度。

對教育工作者的啟發

對於教育科技開發者而言，理解「影片顯著性預測」技術能幫助設計更具吸引力的數位學習教材。例如，透過 AI 分析學生在觀看教學影片時的視覺注意力分布，可以優化教學影片的視覺元素配置（如關鍵字、圖表位置），確保學習者的注意力集中在核心知識點上，從而提升數位學習的成效與沉浸感。

原始文獻資訊

英文標題：
NTIRE 2026 Challenge on Video Saliency Prediction: Methods and Results
作者：
Andrey Moskalenko, Alexey Bryncev, Ivan Kosmynin, Kira Shilovskaya, Mikhail Erofeev, Dmitry Vatolin, Radu Timofte, Kun Wang, Yupeng Hu, Zhiran Li, Hao Liu, Qianlong Xiang, Liqiang Nie, Konstantinos Chaldaiopoulos, Niki Efthymiou, Athanasia Zlatintsi, Panagiotis Filntisis, Katerina Pastra, Petros Maragos, Li Yang, Gen Zhan, Yiting Liao, Yabin Zhang, Yuxin Liu, Xu Wu, Yunheng Zheng, Linze Li, Kun He, Cong Wu, Xuefeng Zhu, Tianyang Xu, Xiaojun Wu, Wenzhuo Zhao, Keren Fu, Gongyang Li, Shixiang Shi, Jianlin Chen, Haibin Ling, Yaoxin Jiang, Guoyi Xu, Jiajia Liu, Yaokun Shi, Jiachen Tu
來源：
arXiv - Human-Computer Interaction
AI 摘要模型：
/models/gemma-4-26B-A4B-it
閱讀原文

每週精選研究電子報

每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。