Il Team GENAI4E Raggiunge 90,92% mAP nella AI City Challenge 2026 Track 4
Il team GENAI4E ha pubblicato un articolo tecnico su arXiv (2608.12843) che descrive il loro approccio per la AI City Challenge 2026 Track 4, incentrato sul recupero di pedoni che mostrano comportamenti insoliti tramite descrizioni testuali. Questo compito richiede un ragionamento dettagliato su aspetto, azioni, interazioni con oggetti e scene contestuali. Il loro framework migliora una solida base di recupero e incorpora sistematicamente diversi modelli di embedding vision-language tramite allineamento dei punteggi e fusione ensemble iterativa, concludendo con un ri-rank VLM sensibile al disaccordo per query ambigue. Il loro metodo ottiene risultati impressionanti sul benchmark ufficiale Pedestrian Anomaly Behavior (PAB), con 90,92% mAP, 85,13% Recall@1, 97,72% Recall@5 e 98,68% Recall@10, dimostrando la potenza dell'integrazione di modelli complementari. Questa sottomissione cross-tipo evidenzia la complessità del matching cross-modale oltre il recupero standard di persone basato su testo.
Fatti principali
- L'articolo è disponibile su arXiv con ID 2608.12843.
- La soluzione è per la AI City Challenge 2026 Track 4.
- Il compito è il recupero di anomalie pedonali basato su testo.
- Il framework integra modelli eterogenei di embedding vision-language.
- Vengono utilizzati l'allineamento dei punteggi e la fusione ensemble iterativa.
- Il ri-rank VLM sensibile al disaccordo viene applicato per query ambigue.
- Il metodo raggiunge il 90,92% mAP sul benchmark PAB.
- Recall@1 è 85,13%, Recall@5 è 97,72%, Recall@10 è 98,68%.
Entità
Istituzioni
- GENAI4E
- AI City Challenge