第三届“马栏山杯” 国际音视频算法大赛

比赛简介

第三届“马栏山杯”国际音视频算法大赛如期而至！本次大赛分为邀请赛、正式赛及现场颁奖交流分享三个阶段，通过汇集国内一线音视频项目的真实痛点，鼓励行业顶尖技术人才参与竞技，助力产出 Top 级的音视频算法方案，促进AI音视频行业多方共赢。
本次大赛共设6道赛题，邀请赛设置音频、推荐、NLP三大赛道，正式赛则聚焦元宇宙下图像、推荐、三维视觉三个方向，继续面向全社会及高等院校、科研单位、互联网企业等，为全球的算法精英们提供大量真实、高价值的脱敏数据，为他们提供彼此竞争、相互激发的场景，提供了一个展示、交流、切磋、学习的平台。

邀请赛

奖项设置
冠军一组：人民币40,000元
亚军一组：人民币10,000元
季军一组：人民币5,000元
排名第4至10名：人民币2,000元
赛程安排
邀请赛报名：2022年4月20日-2022年6月7日
邀请赛作品提交：2022年4月20日-2022年6月10日
获奖公布：2022年6月15日

说明：
1.本次大赛不设答辩环节，最终成绩以线上评分为准；
2.本次大赛所设奖项奖金所涉税费、手续费等（如有）均由选手自行承担。

赛道1 语音情感识别

比赛链接：https://challenge.ai.mgtv.com/contest/detail/11

赛题介绍

人的情感是一种极其复杂的心理状态，通过语音对情感进行精准检测是一项具有挑战的任务，对于社交机器人、医疗、教育质量评估和一些其他的人机交互系统都有着重要意义。
本赛题提供芒果TV媒资的语音数据，打造了一个语音情感识别问题，希望选手可以设计出一套准确高效的语音情感识别模型，提升用户的观看体验。

赛题任务

参赛者需以大赛组织方提供的语音数据，进行模型训练，对语音中包含的情感进行识别。
参考Baseline地址：https://github.com/Renovamen/Speech-Emotion-Recognition

评估指标

1.初赛和复赛通过评估选手提交的结果来评分，本次比赛采用F1-Score作为评估标准。对于上传的csv文件计算分类的F1值，作为最终得分。可使用sklearn中的metrics.f1_score计算。

2.算力要求：
1).内存使用不超过16G，显存使用不超过10G
未满足以上算力限制的参赛队伍，大赛官方有权将最终总成绩判定无效，排名由后一名依次递补。

赛道2 商品意图识别

比赛链接：https://challenge.ai.mgtv.com/contest/detail/12

赛题介绍

电商搜索通常需要对用户query进行意图识别，将商品准确的推送给目标客户，而如何通过算法对海量商品的购买意图进行精准识别则是一种挑战。
本赛题以小芒电商真实电商搜索业务场景为原型，打造了一个复杂场景的商品意图识别问题。主办方提供了商品名称和用户query数据供选手进行模型训练，希望选手能够设计出一套高效、精准的商品意图识别模型，以帮助提升电商搜索的效果，改善顾客的购买体

赛题任务

选手需要利用主办方提供的数据训练模型，对用户query的商品购买意图进行预测。部分预测样例如下（text是用户query，label是商品购买意图）：
id text label
1 我要买草莓味的冰淇淋 5
2 美的空调有吗 3
3 ipad pro 6
4 爱马仕的包包 7
Baseline：https://github.com/rayvzn/MGTV_PIR

评估指标

选手需将模型预测结果提交到评分系统，评估指标将采用Macro-f1：将n分类的评价拆成n个二分类的评价，计算每个二分类的F1 score，n个F1 score的平均值即为Macro F1。(可直接采用sklearn包中的f1_score来计算）

赛道3 节目播放量预测

比赛链接：https://challenge.ai.mgtv.com/contest/detail/13

赛题介绍

节目的播放量预测能帮助平台多项业务开展，比如提前进行服务资源准备以应对流量变化情况、辅助在线广告库存预估等。本赛题是基于芒果TV视频平台预测未上线节目分天播放量（Video Visit），从而提前准备CDN等资源的应用场景。
本赛题通过利用真实的节目播放数据，脱敏处理后，尽可能还原节目播放量预测的问题原型，从而探索真实业务场景的有效解决方案。
问题具体如下：基于前T天的节目播放数据、节目属性和时间上下文，预测未来一段时间节目的播放量。

赛题任务

给定每个节目的前T天的每日VV，预测未来7天的每日VV。每个合集共7个预测值，一共需要提交7*N个预测结果，其中N为待预测的节目个数。
Baseline: https://github.com/jmvvyc/vv_ts_prediction_baseline

评估指标

1、N个节目/合集的测试集mMAPE指标平均值

Score=mMAPE=frac{sum_{i=1}^N frac{sum_{t=1}^J left| frac{hat y- y_t}{y_t} ight| }{J}}{N}