論文の概要: The 1st AI Children Challenge
- arxiv url: http://arxiv.org/abs/2608.00356v1
- Date: Sat, 01 Aug 2026 00:02:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:24.60666
- Title: The 1st AI Children Challenge
- Title（参考訳）: 第1回AIキッズチャレンジ
- Abstract要約: 2026年のCV4CHL版では、この領域で最初のトラックであるチルドレン・ゲイト・ビジュアル・アナリティクスが収録された。
子どもの歩行視覚分析の主な目的は、キーポイントシーケンスから子どもの歩行行動のきめ細かい分析である。
Edinburgh Visual Gait Score (EVGS) Scoring and Classification of Gait Patterns in bilateral Spastic Cerebral Palsy。
- 参考スコア（独自算出の注目度）: 27.821080052642944
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The First AI Children Challenge aims to advance real-world applications of computer vision and AI in child healthcare, child education, and pediatrics. The 2026 CV4CHL edition featured the first track in this domain: Children Gait Visual Analysis. The main goal of Children Gait Visual Analysis is the fine-grained analysis of children's gait behaviors from keypoint sequences. This is still a big challenge for human action recognition. Experienced medical doctors can distinguish these subtle nuances, but none of the people test AI models in this domain. To bridge this gap, we introduce thousands of 2D children keypoint sequences walking around videos across various age groups of children (3-16 years old). There is a significant opportunity for batch analysis of these videos to provide clinically relevant insights into medical diagnosis. The Challenge will be launched with two problem tracks: Edinburgh Visual Gait Score (EVGS) Scoring and Classification of Gait Patterns in Bilateral Spastic Cerebral Palsy. Each track is chosen in consultation with board-certified pediatricians based on the value of potential solutions. With the first available dataset for such tasks and ground truth for each track, the challenge enabled participants to evaluate their solutions. Final rankings will be revealed after the competition concludes, fostering reproducibility and mitigating overfitting.
- Abstract（参考訳）: First AI Children Challengeは、児童医療、児童教育、小児科におけるコンピュータビジョンとAIの現実的な応用を促進することを目的としている。
2026年のCV4CHL版では、この領域で最初のトラックであるチルドレン・ゲイト・ビジュアル・アナリティクスが収録された。
子どもの歩行視覚分析の主な目的は、キーポイントシーケンスから子どもの歩行行動のきめ細かい分析である。
これは人間の行動認識にとって依然として大きな課題だ。
経験豊富な医師はこれらの微妙なニュアンスを区別することができるが、この領域でAIモデルをテストしている人は誰もいない。
このギャップを埋めるために、子どもたちの様々な年齢層(3～16歳)のビデオを歩き回る、何千もの2Dチルドレンのキーポイントシーケンスを紹介します。
これらのビデオのバッチ分析は、臨床的に関連性のある医療診断の洞察を提供する重要な機会である。
このチャレンジは、Edinburgh Visual Gait Score (EVGS) Scoring and Classification of Gait Patterns in bilateral Spastic Cerebral Palsyという2つの問題トラックで開始される。
各トラックは、潜在的な解決策の価値に基づいて、認定された小児科医との相談で選択される。
このようなタスクのための最初のデータセットと、各トラックの根拠となる真実によって、課題は参加者がソリューションを評価することを可能にする。
大会終了後に最終ランキングが公表され、再現性の向上と過剰適合の軽減が図られる。
関連論文リスト
- Decoding Children's Gait Behavior [38.15651454272919]
我々は、人間の行動認識のための新しい問題領域、つまり、標準RGBビデオからの子どもの歩行行動の分析を導入する。
対象は3～17歳児の起立パターンである。
その臨床的価値にもかかわらず、現在の3Dセンサーベースの歩行分析システムは高価であり、侵入的であり、若い被験者には実用的ではないことが多い。
論文 参考訳（メタデータ） (2026-08-01T00:53:05Z) - Beyond Benchmarks of IUGC: Rethinking Requirements of Deep Learning Methods for Intrapartum Ultrasound Biometry from Fetal Ultrasound Videos [58.71502465551297]
MICCAI 2024と共同でIUGC(Intrapartum Ultrasound Grand Challenge)が打ち上げられた。
IUGCは、標準的な平面分類、胎児の頭頂部生理的セグメンテーション、バイオメトリーを統合した、臨床指向のマルチタスク自動測定フレームワークを導入している。
この課題は、これまでに3つの病院から収集された774のビデオ(68,106フレーム)を含む、最大規模のマルチセンターの超音波ビデオデータセットをリリースしている。
論文 参考訳（メタデータ） (2026-02-13T13:28:22Z) - Epistemic-aware Vision-Language Foundation Model for Fetal Ultrasound Interpretation [83.02147613524032]
医療用AIシステムFetalMindについて報告する。
本稿では、専門家による2部グラフをモデルに注入し、ビュー・ディスリーズ関連を分離するSED(Salient Epistemic Disentanglement)を提案する。
FetalMindはすべての妊娠期のオープンソースおよびクローズドソースベースラインを上回り、平均利得は+14%、臨界条件では+61.2%高い。
論文 参考訳（メタデータ） (2025-10-14T19:57:03Z) - Evaluating Large Vision-and-Language Models on Children's Mathematical Olympiads [74.54183505245553]
ジョイントビジョンとテキスト推論のためのAI能力の体系的分析は、現在の科学文献に欠けている。
我々は,子どものオリンピアードからのビジュオ言語問題を用いて,その数学的およびアルゴリズム的推論能力に基づいて,最先端のLVLMを評価した。
以上の結果から,近代のLVLMは,高学年の問題解決において,より強力な推論能力を示す一方で,幼児向けの問題に正しく答える基盤が欠如していることが示唆された。
論文 参考訳（メタデータ） (2024-06-22T05:04:39Z) - DRAC: Diabetic Retinopathy Analysis Challenge with Ultra-Wide Optical
Coherence Tomography Angiography Images [51.27125547308154]
第25回医用画像コンピューティング・コンピュータ支援介入国際会議(MICCAI 2022)にともなうDRAC糖尿病網膜症解析チャレンジの企画を行った。
この課題は、DR病変の分節化、画像品質評価、DRグレーディングの3つのタスクから構成される。
本稿では,課題の各課題について,トップパフォーマンスのソリューションと結果の要約と分析を行う。
論文 参考訳（メタデータ） (2023-04-05T12:04:55Z) - Vision-Based Activity Recognition in Children with Autism-Related
Behaviors [15.915410623440874]
臨床医や親が子どもの行動を分析するのに役立つ地域型コンピュータビジョンシステムの効果を実証する。
データは、ビデオ中の対象の子供を検出し、背景雑音の影響を低減することで前処理される。
時間的畳み込みモデルの有効性から,ビデオフレームから動作特徴を抽出できる軽量モデルと従来モデルの両方を提案する。
論文 参考訳（メタデータ） (2022-08-08T15:12:27Z) - FetReg2021: A Challenge on Placental Vessel Segmentation and
Registration in Fetoscopy [52.3219875147181]
2-Twin Transfusion Syndrome (TTTS) に対するレーザー光凝固法が広く採用されている。
このプロシージャは、視野が限られたこと、フェトスコープの操作性が悪いこと、視認性が悪いこと、照明の変動性のために特に困難である。
コンピュータ支援介入(CAI)は、シーン内の重要な構造を特定し、ビデオモザイクを通して胎児の視野を広げることで、外科医に意思決定支援と文脈認識を提供する。
7つのチームがこの課題に参加し、そのモデルパフォーマンスを、6フェットから658ピクセルの注釈付き画像の見当たらないテストデータセットで評価した。
論文 参考訳（メタデータ） (2022-06-24T23:44:42Z) - Computational behavior recognition in child and adolescent psychiatry: A
statistical and machine learning analysis plan [3.975358343371988]
我々は,人工知能(AI)ツールを用いた心理療法と研究のために,人間の行動のコーディングを自動化することを目的としている。
強迫性障害 (OCD) を持つ25人の若者と, 精神科的診断 (no-OCD) を伴わない12人の青少年のゴールドスタンダード半構造化診断インタビューのビデオを分析した。
論文 参考訳（メタデータ） (2022-05-11T19:12:15Z) - Hybrid Attention for Automatic Segmentation of Whole Fetal Head in
Prenatal Ultrasound Volumes [52.53375964591765]
胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。
セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。
次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
論文 参考訳（メタデータ） (2020-04-28T14:43:05Z)
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。