KIS Contest - HCMCAIC 2026

Tổng quan

Trong cuộc thi này, thí sinh xây dựng hệ thống truy xuất video có khả năng xác định đúng video và đúng vị trí khung hình tương ứng với một truy vấn.

Bộ dữ liệu công khai gồm:

• 250 video ứng viên.
• 100 truy vấn cần xử lý.
• 50 truy vấn dạng văn bản (Textual-KIS).
• 50 truy vấn dạng hình ảnh (Visual-KIS).
• Tất cả video được chuẩn hóa ở tốc độ 25 khung hình/giây.
• Chỉ số khung hình bắt đầu từ 0.

Với mỗi truy vấn, thí sinh phải gửi một danh sách xếp hạng gồm 100 câu trả lời. Mỗi câu trả lời chứa tên file video và chỉ số khung hình dự đoán.

Mục tiêu là đưa một câu trả lời đúng lên vị trí cao nhất có thể trong danh sách xếp hạng.

Nhiệm vụ

Textual-KIS

Truy vấn Textual-KIS cung cấp một câu mô tả bằng ngôn ngữ tự nhiên về nội dung xuất hiện trong video.

Thí sinh cần xác định:

1. Video phù hợp với mô tả.
2. Một chỉ số khung hình nằm trong khoảng đáp án hợp lệ [s, e].

Ví dụ truy vấn:

một người đang chơi đàn guitar

Một câu trả lời có dạng:

video1234.mp4,275

Visual-KIS

Truy vấn Visual-KIS cung cấp một ảnh được trích xuất từ đúng một khung hình trong kho video.

Thí sinh cần tìm:

1. Video nguồn của ảnh truy vấn.
2. Vị trí khung hình tương ứng trong video đó.

Để giảm ảnh hưởng của sai số giải mã và làm tròn thời gian, hệ thống chấm nhận một khoảng dung sai ±12 khung hình quanh vị trí gốc. Ở tốc độ 25 khung hình/giây, khoảng này tương đương xấp xỉ ±0,5 giây.

Lưu ý

• Cả hai loại truy vấn đều sử dụng chung kho 250 video.
• Một video có thể được dự đoán nhiều lần với các vị trí khung hình khác nhau.
• Việc lặp lại chính xác cùng một câu trả lời không cải thiện điểm số.