Испытание на восприятие 2026 года: краткое описание проблем и распространение на городскую аудио-видеопозицию
arXiv:2610.12081v1 Annuate Type: New Brieft: Supporting the Displaction Test Series, мы организовали четвертое издание в качестве рабочего совещания на Европейской конференции по компьютерному видению (ECCV) 2026 года в Мальмесо, Швеция. Основное внимание в этом издании уделялось пространственному интеллекту и было посвящено четырем различным направлениям: унифицированное многорежимное видеоQA и заземленное видео QA из первоначального контрольного теста восприятия наряду с двумя новыми треками, основанными на видеороликах городского масштаба (KilmeterAudio and KiltoerVision). В настоящем докладе мы описываем новые контрольные показатели, используемые для развития городских путей, и обобщаем успешные решения по всем направлениям деятельности, включая общую модель, которая конкурировала на всех направлениях с удовлетворительными показателями. Выигрышные решения на недавно добавленных городских маршрутах показали, что сложные пространственные и мультимодальные рассуждения могут быть решены за счет дорогостоящих агентских трубопроводов, однако для смешанных моделей, используемых отдельно.
