論文の概要: NTIRE 2026 Challenge on Video Saliency Prediction: Methods and Results
- arxiv url: http://arxiv.org/abs/2604.14816v1
- Date: Thu, 16 Apr 2026 09:36:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-17 21:29:31.829678
- Title: NTIRE 2026 Challenge on Video Saliency Prediction: Methods and Results
- Title（参考訳）: NTIRE 2026 ビデオ・サリエンシ予測の課題:方法と結果
- Authors: 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,
- Abstract要約: 本稿では,NTIRE 2026 Challenge on Video Saliency Predictionについて概説する。
課題参加者のゴールは、提供されたビデオシーケンスの自動サリエンシマップ予測手法を開発することである。
この挑戦のために、オープンライセンスで2000の多様なビデオからなる新しいデータセットが準備された。
- 参考スコア（独自算出の注目度）: 123.0965074023145
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents an overview of the NTIRE 2026 Challenge on Video Saliency Prediction. The goal of the challenge participants was to develop automatic saliency map prediction methods for the provided video sequences. The novel dataset of 2,000 diverse videos with an open license was prepared for this challenge. The fixations and corresponding saliency maps were collected using crowdsourced mouse tracking and contain viewing data from over 5,000 assessors. Evaluation was performed on a subset of 800 test videos using generally accepted quality metrics. The challenge attracted over 20 teams making submissions, and 7 teams passed the final phase with code review. All data used in this challenge is made publicly available - https://github.com/msu-video-group/NTIRE26_Saliency_Prediction.
- Abstract（参考訳）: 本稿では,NTIRE 2026 Challenge on Video Saliency Predictionについて概説する。
課題参加者のゴールは、提供されたビデオシーケンスの自動サリエンシマップ予測手法を開発することである。
この挑戦のために、オープンライセンスで2000の多様なビデオからなる新しいデータセットが準備された。
修正および対応するサリエンシマップは、クラウドソースされたマウス追跡を用いて収集され、5,000以上の評価者からの視聴データを含んでいる。
一般に受け入れられている品質指標を用いて、800のテストビデオのサブセットで評価を行った。
チャレンジには20以上のチームが参加し、7チームがコードレビューで最終フェーズに合格した。
https://github.com/msu-video-group/NTIRE26_Saliency_Prediction。
関連論文リスト
- NTIRE 2025 XGC Quality Assessment Challenge: Methods and Results [107.50621348972328]
NTIRE 2025 XGC Quality Assessment Challengeは、CVPR 2025のNTIRE(New Trends in Image Restoration and Enhancement Workshop)と共同で開催される。
課題は、ユーザ生成ビデオ、AI生成ビデオ、会話ヘッドの3つのトラックに分けられる。
各トラックの参加チームはベースラインを上回り、3トラックのフィールドの開発に寄与する手法を提案している。
論文 参考訳（メタデータ） (2025-06-03T13:39:57Z) - NTIRE 2025 Challenge on UGC Video Enhancement: Methods and Results [73.23764765210825]
本稿では,NTIRE 2025 Challenge on Video Enhancementについて概説する。
このチャレンジは、ユーザー生成した150のコンテンツビデオのセットを構築した。
参加者の目標は、このような映像の視覚的品質を向上させるアルゴリズムを開発することである。
論文 参考訳（メタデータ） (2025-05-05T20:06:11Z) - AIM 2024 Challenge on Video Saliency Prediction: Methods and Results [105.09572982350532]
本稿では,AIM 2024におけるビデオ・サリエンシ予測の課題について概説する。
参加者の目標は、提供されたビデオシーケンスのセットに対して正確な精度マップを予測する方法を開発することであった。
論文 参考訳（メタデータ） (2024-09-23T08:59:22Z) - NTIRE 2024 Quality Assessment of AI-Generated Content Challenge [141.37864527005226]
課題は、イメージトラックとビデオトラックに分けられる。
両トラックの勝利法はAIGCの予測性能に優れていた。
論文 参考訳（メタデータ） (2024-04-25T15:36:18Z) - NTIRE 2023 Quality Assessment of Video Enhancement Challenge [97.809937484099]
NTIRE 2023 Quality Assessment of Video Enhancement Challengeについて報告する。
課題は、ビデオ処理分野における大きな課題、すなわち、強化されたビデオに対するビデオ品質評価(VQA)に対処することである。
参加者数は167名。
論文 参考訳（メタデータ） (2023-07-19T02:33:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。