EgoVis 2026의 첫 번째 EgoCross 챌린지: 교차 도메인 개인 시점 비디오 질의 응답

The First EgoCross Challenge at EgoVis 2026: Cross-Domain Egocentric Video Question Answering

EgoCross는 다중 모달 대규모 언어 모델이 일상적인 상황을 넘어 일반화할 수 있는지를 평가하기 위해 설계된 교차 도메인 개인 시점 비디오 질의 응답 벤치마크입니다. 첫 번째 EgoCross 챌린지는 CVPR 2026에서 개최된 세 번째 EgoVis 워크숍에서 진행되었으며, 모델은 수술, 산업 조립, 익스트림 스포츠 및 동물 관점에서 촬영된 1인칭 비디오를 사용하여 평가되었습니다. 각 테스트 예시는 개인 시점 비디오 클립, 질문, 그리고 정답 후보 4개로 구성되며, 모델은 이 중에서 올바른 답을 선택해야 합니다. 본 기술 보고서는 챌린지 과제, 벤치마크 리소스 및 두 가지 공식 Codabench 트랙에 대해 소개합니다. 소스 제한(Source-Limited) 트랙에서는 참가자들이 공식 기본 모델과 작은 지원 데이터 세트에만 사용하도록 제한하며, 오픈 소스(Open-Source) 트랙은 더 넓은 범위의 모델과 훈련 데이터를 사용할 수 있도록 허용하지만, 대상 도메인에 대한 훈련 데이터를 직접 생성하는 것을 금지합니다. 총 1,500건 이상의 제출물이 접수되었으며, 130명 이상의 참가자가 참여했습니다. 오픈 소스 트랙에는 19개 팀이, 소스 제한 트랙에는 38개 팀이 참여했습니다. 본 보고서에서는 공식 리더보드 결과를 제시하고, 양쪽 트랙에서 우승한 솔루션을 요약합니다. 본 보고서가 교차 도메인 개인 시점 비디오 이해를 발전시키는 데 유용한 기술 참고 자료가 되기를 바랍니다. 챌린지 데이터, 기본 구현 및 우승 팀이 공개한 코드를 포함한 모든 리소스는 공개적으로 제공됩니다.

EgoCross is a cross-domain egocentric video question answering benchmark designed to evaluate whether multimodal large language models can generalize beyond common daily-life scenarios. The first EgoCross Challenge was hosted at the Third EgoVis Workshop at CVPR 2026 and evaluated models on first-person videos from four target domains: surgery, industrial assembly, extreme sports, and animal perspectives. Each test example consists of an egocentric video clip, a question, and four candidate answers, from which the model must select the correct option. This technical report introduces the challenge task, benchmark resources, and two official Codabench tracks. The Source-Limited Track restricts participants to the official baseline model and a small support set, whereas the Open-Source Track permits broader choices of models and training data under rules that prohibit the manual construction of target-domain training data. In total, the challenge received more than 1,500 submissions from over 130 participants, with 19 teams participating in the Open-Source Track and 38 teams in the Source-Limited Track. We further present the official leaderboard results and summarize the winning solutions from both tracks. We hope that this report will serve as a useful technical reference for advancing cross-domain egocentric video understanding. All resources, including the challenge data, baseline implementation, and code released by the winning teams, are made publicly available.