Multiple-choice Video QA Track第二届感知测试挑战赛第一名解答
计算机视觉与模式识别
2024-09-23 v1 人工智能
机器学习
摘要
本报告介绍了我们在第二届感知测试挑战赛Multiple-choice Video Question Answering (QA)轨道中获得第一名的方案。该竞赛提出了一个复杂的视频理解任务，要求模型准确地理解并回答关于视频内容的问题。为解决这一挑战，我们采用了强大的QwenVL2 (7B)模型，并在提供的训练集上进行微调。此外，我们采用了模型集成策略和测试时数据增强来提升性能。通过持续优化，我们的方法在排行榜上实现了0.7647的Top-1准确率。
引用
@article{arxiv.2409.13538,
title = {First Place Solution to the Multiple-choice Video QA Track of The Second Perception Test Challenge},
author = {Yingzhe Peng and Yixiao Yuan and Zitian Ao and Huapeng Zhou and Kangqi Wang and Qipeng Zhu and Xu Yang},
journal= {arXiv preprint arXiv:2409.13538},
year = {2024}
}