CVPR 2026新增赛道：EgoCross

EgoVis（Joint Egocentric Vision Workshop）是近年来全球第一视角视觉（Egocentric Vision）领域最具影响力的学术活动之一，已连续三年在CVPR期间联合举办，汇聚了来自全球顶级高校与研究机构的前沿成果与创新思想。作为连接第一视角理解、具身智能与多模态学习的重要平台，EgoVis持续推动egocentric视频理解、ego-exo关系建模、具身决策等方向的发展。

依托CVPR 2026 EgoVis Workshop，重磅推出EgoCross（Cross-Domain Egocentric Video QA）挑战赛，旨在推动多模态大语言模型（MLLMs）在跨域第一视角视频问答中的泛化能力与推理能力。

本次挑战赛为全球研究者提供了一个高标准、开放式的评测平台，鼓励探索更具鲁棒性与可迁移性的模型方法。本次挑战赛现已正式面向全球研究者开启报名！如果你致力于多模态大语言模型（MLLMs）、视频问答（VideoQA）或是第一人称视角（Egocentric Vision）智能的研究，诚邀关注并参与本次竞赛，共同推动第一人称智能理解的前沿发展。

一、大赛背景

当前的多模态大模型在日常场景的视频理解上已经取得了显著进展，但当它们面对未知、复杂、高度专业化的真实世界场景时，往往会面临严重的泛化瓶颈。

为了探索和突破这一极限，主办方推出了EgoCross Benchmark（AAAI 2026）。不同于以往局限于“炒菜”、“做家务”等日常数据集，EgoCross聚焦于高难度跨领域的第一视角视频，旨在全面评估模型在不同视觉和语义条件下的鲁棒性与零样本/少样本泛化能力。

二、大赛任务介绍

任务描述：给定一段来自全新领域的第一视角视频，参赛模型需要针对给定的问题，从4个选项中准确推理并选择正确答案（Multiple-choice VideoQA）。

为了全面考验模型的跨领域适应力，本次挑战赛精选了四大特色领域：

外科手术（Surgery） ：要求精细的器械识别、手术阶段理解与手部交互推理。

工业装配（Industry） ：侧重零部件识别、操作流程推理与工具使用逻辑。

极限运动（Extreme Sports） ：包含高速第一视角运动、导航线索与时序预测。

动物视角（Animal Perspective） ：涵盖物种线索、非人类运动模式与行为理解。

数据集共包含798个视频片段和957个QA对，全面覆盖识别、定位、预测和计数总共4大类任务的15个子任务。具体任务定义可参考论文。

三、双赛道设置，满足不同研究需求

本次挑战赛在Codabench平台分为两个赛道，参赛团队可根据自身的研究方向和计算资源选择参与：

赛道一：受限资源赛道（Source-Limited Track）

规则：参赛者仅能使用官方提供的基线模型和极少量的支持集（Support Set）进行微调或引导。

核心目标：测试跨域泛化能力并比较不同微调方法的效果。

评测入口：https://www.codabench.org/competitions/11279/

赛道二：开源赛道（Open-Source Track）

规则：对基础模型没有任何限制（鼓励使用各类开源或商业闭源模型进行测试），允许使用额外的训练数据（前提是不能人为针对目标领域进行特殊构造）。

核心目标：鼓励创新地利用更强大模型或算法提升跨域泛化能力。

评测入口：https://www.codabench.org/competitions/13868/

（注：当前官方提供的SFT-Qwen3VL基线模型在四大领域的平均准确率仅为0.4608，仍有巨大的提升空间等待各位研究者来突破！）

四、评测平台及指标

竞赛平台：挑战赛将在Codabench平台进行，两个赛道分别对应独立评测页面。

评测指标：模型在测试集上的Multiple-choice VideoQA准确率（Accuracy）作为主要排名依据（最终排名与评奖细则以各赛道官方页面说明为准）。

说明：成绩优异的团队将受邀按照EgoVis Workshop的投稿要求提交技术报告，并有机会在CVPR 2026 Workshop展示研究成果。

五、数据&基线

为了让参赛者能够无缝切入研发，组委会已开源全套流程代码与数据集：

官方主页：EgoCross Benchmark官网（https://egocross-benchmark.github.io/）

会议信息：CVPR 2026 EgoVis Workshop主页（https://egovis.github.io/cvpr26/#）

评测推理代码：EgoCrossCodes (GitHub) （https://github.com/MyUniverse0726/EgoCross）

训练微调代码：基于Qwen3VL-4B的EgoCross_SFT_qwen3vl4b (https://github.com/LiYu0524/EgoCross_SFT_qwen3vl4b)

六、重要日程（太平洋时间PT）

评测榜单状态：现已开放

评测榜单截止：2026年5月13日

技术报告提交截止：2026年5月20日

获奖通知：2026年5月27日

CVPR研讨会时间：2026年6月3日- 4日

七、组织者团队