近日，我校电子信息学院24级通信工程专业本科生张家豪，在电子信息学院陈宇教授、温欣玲副教授的指导下，与电子信息学院研究生组成Math团队，参加ECCV 2026第二届Story-Level Movie Understanding & Audio Description（SLoMO）Workshop国际挑战赛，并以67.15的成绩获得SLoMO QA Competition Main Track（长视频开放式问答主赛道）第一名，受邀在SLoMO Workshop上进行Oral Presentation。

图1 SLoMO QA Competition Main Track组委会获奖通知及最终排行榜

欧洲计算机视觉会议（European Conference on Computer Vision，ECCV）是计算机视觉与机器学习领域最具影响力的国际顶级学术会议之一。ECCV 2026于9月8日至12日在瑞典马尔默举行。大会同期举办的国际研讨会与挑战赛聚焦计算机视觉、人工智能及多模态学习等前沿方向，吸引了全球高校、科研机构和科技企业的优秀团队参与，是展示前沿技术成果和检验算法创新能力的重要国际平台。

图2 Team Math在ECCV 2026 SLoMO Workshop进行Oral Presentation

SLoMO-QAChallengeCompetition聚焦长篇叙事视频的故事级理解与推理，重点考察模型对长时序视频中关键信息的检索、多模态证据整合以及复杂情节关系的理解能力。相较于传统短视频问答任务，该任务需要模型综合利用跨时间、跨场景的视觉与文本信息，对长距离情节关联、人物关系及事件演化进行推理，对模型的长上下文理解和多模态推理能力提出了更高要求。

图3 团队受邀进行线上oral presentation

团队方案：针对长视频中关键信息分散、故事情节跨度大以及不同问题之间存在关联等难点，团队提出了一种基于电影级联合推理（Movie-Level Joint Inference）的免训练开放式问答方案。该方案将一部完整影片作为统一推理单元，融合带时间戳的语音转写文本、按时间顺序采样的视觉帧以及影片对应的全部问题，在共享上下文中完成故事事实、事件时序和跨问题信息的联合分析，从而增强模型对完整故事情节的理解能力。整个方案采用零样本推理方式，无需针对比赛数据对模型进行额外微调。

图4 团队提出的电影级联合推理（Movie-Level Joint Inference）方案框架

该方案将传统的“逐问题独立推理”转变为“影片级联合推理”，使多个问题能够共享完整影片中的多模态证据与故事上下文，有效提升了模型对长时序故事情节和跨模态信息的综合理解能力，最终取得第一名。在Oral环节，团队与现场专家围绕长视频多模态理解、视觉证据选择、联合推理策略及后续研究方向进行了交流讨论。

此次以本科生为主组成的团队斩获国际挑战赛冠军，是学院深化河南省高等教育教学改革研究与实践重点项目“面向航空航天电子信息专业硕士研究生谱系化贯通式教学体系构建与实践”育人内涵建设的又一次成功实践，充分展现了我校学生在人工智能、多模态信息处理和长视频理解等前沿方向的创新实践能力。学院依托高水平科研项目和学科竞赛，积极探索本科生与研究生协同培养、科研训练梯次衔接的贯通式育人路径，推动学生从专业学习向科研创新、从基础训练向高阶实践逐步递进，实现不同培养阶段在知识、能力与创新素养上的有效衔接，不断提升育人质量。