Tavondo
竞赛活动指南平台
English开始匹配
竞赛活动指南平台
English登录
Tavondo

发现值得投入的 AI 竞赛与活动。

竞赛活动指南平台
登录注册开始匹配

© 2026 Tavondo

English
  1. 首页
  2. 竞赛
  3. 第七届 CSIG图像图形技术挑战赛—复杂工业场景异常检测算法挑战赛
Tianchi大语言模型高级报名开放

第七届 CSIG图像图形技术挑战赛—复杂工业场景异常检测算法挑战赛

一场高级难度的大语言模型竞赛,预计投入 20–50 小时,适合用真实赛题完成一次端到端练习。

难度
高级
预计投入
20–50 小时
报名截止
2026年9月30日
算力
单卡 GPU
概览学习资源参赛准备来源

概览

这场竞赛适合谁

希望参加真实平台竞赛,并能阅读规则、运行基础方案和完成提交的学习者。

查看官方简介原文
CSIG图像图形技术挑战赛是由中国图像图形学会(CSIG)主办的系列赛事。本赛道为第七届CSIG图像图形技术挑战赛,由荣旗科技、CSIG视觉检测专委会承办,赛道基于业界极具挑战性的真实工业多视角数据集 Real-IAD Variety(160类,近20万图)。重点考察大模型在面对超大规模类别的异常分类与像素级缺陷分割能力,以及在遭遇全新产品冷启动时,模型在未见类别(零样本/Zero-Shot)上的极限泛化水平。总奖金池4万元,冠军将角逐CSIG挑战赛年度总决赛。 官方赛道:AI大模型赛。 官方标签:计算机视觉‌, 工业制造。 已报名队伍:841。

学习资源

这场比赛提供什么

官方提供了可以直接运行的基线,从它开始通常比从零搭快得多。

  • 数据获取Real-IAD Variety deep-cleaned subset: 100 categories and over 31,000 files.
  • 数据获取DINOv2 pretrained weights repository.
  • 基线方案INP-Former open-source code repository.
  • 数据获取OpenCLIP cross-modal toolkit repository.
  • 参考论文Real-IAD CVPR 2024 prior-work reference.
  • 参考论文Real-IAD D³ CVPR 2025 prior-work reference.
  • 参考论文Real-IAD Variety PR 2026 prior-work reference.
  • 参考论文WinCLIP prior-work reference for zero-shot defect inference.
  • 参考论文AnomalyGPT prior-work reference for zero-shot defect inference.
  • 参考论文AdaCLIP prior-work reference for zero-shot defect inference.
  • 答疑渠道Competition support email.
  • 答疑渠道Competition discussion group.

参赛准备

从报名到首次提交的准备步骤

  1. 01

    Python 基础

  2. 02

    能够运行基础方案并完成一次有效提交

  3. 03

    能够运行基础方案并完成一次有效提交

  4. 04

    能够运行基础方案并完成一次有效提交

投入前确认:真正的难点在于理解官方赛题、确认参赛资格,并在有限时间内完成验证和提交。

来源

本页信息如何得到

赛题信息由官方页面抓取后结构化整理,评分为平台估算,仅用于辅助判断,最终规则以官方页面为准。

官方赛事页
Tianchi
最后核对
2026年5月12日

参赛判断

est.
22

建议先补前置能力

综合适配度评分

新手适配度22/100
学习价值76/100

先确认资格和时间投入,再决定是否进入正式准备。

参赛资格待官方确认

打开官方页面登录后保存去看指南

关键时间

报名开始
2026年5月12日
报名截止
2026年9月30日
赛事结束
2026年9月30日

数据与审核状态

把已确认、待核对和人工审核状态分开看;最终规则与截止时间以官方页为准。

查看数据状态收起
来源页面已核验Metric 已确认已审核
来源发布时间
2026年5月12日
本站纳入时间
2026年7月18日

官方 metric 还没有从当前抓取结果中确认,仍需人工核对。

reward_value_usd is a rough CNY→USD estimate (×0.14) for ranking only; use reward_summary for the official prize amount.