POLY-SIM：多语种缺失模态说话人识别大型挑战赛 2026 评估计划
计算机视觉与模式识别
2026-03-31 v2
摘要
多模态说话人识别系统通常假设在训练和测试期间可获得完整且同质的音频-视觉模态。然而，在实际应用中，这种假设往往不成立。由于遮挡、摄像头故障或隐私限制，视觉信息可能缺失；此外，多语言说话人由于不同语言之间的语言可变性引入了额外的复杂性。这些挑战显著影响了多模态说话人识别系统的鲁棒性和泛化能力。POLY-SIM 大型挑战赛 2026 旨在推动针对缺失模态和跨语言条件下的多模态说话人识别研究。具体而言，大型挑战赛鼓励开发能够有效利用不完整多模态输入并在不同语言之间保持强性能的方法。本报告介绍了 POLY-SIM 大型挑战赛 2026 的设计和组织，包括数据集、任务定义、评估协议和基线模型。通过提供标准化的基准和评估框架，该挑战旨在促进更具鲁棒性和实用性的多模态说话人识别系统的进步。
引用
@article{arxiv.2603.24569,
title = {POLY-SIM: Polyglot Speaker Identification with Missing Modality Grand Challenge 2026 Evaluation Plan},
author = {Marta Moscati and Muhammad Saad Saeed and Marina Zanoni and Mubashir Noman and Rohan Kumar Das and Monorama Swain and Yufang Hou and Elisabeth Andre and Khalid Mahmood Malik and Markus Schedl and Shah Nawaz},
journal= {arXiv preprint arXiv:2603.24569},
year = {2026}
}
备注
Grand challenge at ACM MM 2026