计算机科学 > 计算机视觉与模式识别
[提交于 2025年9月3日
]
标题: VQualA 2025 短视频参与度预测挑战赛:方法与结果
标题: VQualA 2025 Challenge on Engagement Prediction for Short Videos: Methods and Results
摘要: 本文介绍了在ICCV 2025期间举办的VQualA 2025挑战赛关于短视频参与度预测的概述。 该挑战赛聚焦于理解和建模社交媒体平台上用户生成内容(UGC)短视频的流行度。 为了支持这一目标,挑战赛使用了一个新的短格式UGC数据集,该数据集包含从真实用户交互中得出的参与度指标。 挑战赛的目标是促进能够捕捉影响用户参与度的复杂因素的稳健建模策略。 参赛者探索了多种多模态特征,包括视觉内容、音频和创作者提供的元数据。 该挑战赛吸引了97名参赛者,并收到了15份有效的测试提交,对短格式UGC视频参与度预测的进步做出了重要贡献。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.