SVC 2026：第二次多模态欺骗检测挑战与首次域泛化远程生理测量挑战
计算机视觉与模式识别
2026-04-08 v1
摘要
细微视觉信号虽然难以用肉眼感知，但包含重要信息，可以揭示视觉数据中的隐藏模式。这些信号在许多应用中发挥关键作用，包括生物特征安全、多媒体取证、医学诊断、工业检测和情感计算。随着计算机视觉和表示学习技术的快速发展，检测和解释此类细微信号已成为一个新兴研究方向。然而，现有研究通常聚焦于特定任务或模态，模型在处理真实环境中细微和弱信号时的鲁棒性、表示能力和泛化能力仍面临挑战。为促进该领域的研究，我们组织了细微视觉挑战，旨在学习细微视觉信号的鲁棒表示。该挑战包括两个任务：跨域多模态欺骗检测和远程光电容积描记（rPPG）估计。我们希望这一挑战能鼓励开发更鲁棒和可泛化的细微视觉理解模型，并进一步推进计算机视觉和多模态学习的研究。共有 22 个团队提交了最终结果，相应的基线模型已在 MMDD2026 平台上发布。
引用
@article{arxiv.2604.05748,
title = {SVC 2026: the Second Multimodal Deception Detection Challenge and the First Domain Generalized Remote Physiological Measurement Challenge},
author = {Dongliang Zhu and Zhiyi Niu and Bo Zhao and Jiajian Huang and Shuo Ye and Xun Lin and Hui Ma and Taorui Wang and Jiayu Zhang and Chunmei Zhu and Junzhe Cao and Yingjie Ma and Rencheng Song and Albert Clapés and Sergio Escalera and Dan Guo and Zitong Yu},
journal= {arXiv preprint arXiv:2604.05748},
year = {2026}
}
备注
Accepted by the SVC workshop @ CVPR 2026