任务总览

本届微表情识别挑战赛设置两个识别任务，分别面向事件相机单模态与 RGB+事件相机双模态场景，重点考察模型在细微动作捕捉、类别区分与跨模态建模方面的综合能力。

任务导向：微表情识别模态组合：单模态 + 双模态评测重点：准确性 + 稳定性

任务一：事件相机单模态微表情识别

该任务要求参赛者仅使用事件相机数据完成微表情类别识别。

任务介绍

组委会向参赛者提供事件流数据及相应的数据读取说明，参赛者基于训练集进行模型训练，并对测试集样本输出预测类别。

输入为单个样本对应的事件流数据或官方统一提供的事件表示，输出为该样本的情绪类别标签。

数据样例

sample_id,event_file,label
E0001,event/E0001.npz,positive
E0002,event/E0002.npz,surprise
E0003,event/E0003.npz,negative

评价指标

UF1（Unweighted F1）：衡量各类别均衡分类能力
UAR（Unweighted Average Recall）：衡量类别召回均衡性
Accuracy：作为辅助指标评估整体分类正确率

任务二：RGB+事件相机融合微表情识别

该任务要求参赛者同时使用 RGB 视频与事件相机数据完成微表情类别识别。

任务介绍

组委会提供同一样本对应的 RGB 序列和事件流，参赛者完成双模态特征建模与融合，并对测试集输出预测类别。

输入为同一样本的 RGB 视频序列和事件流数据，输出为该样本的情绪类别标签。

数据样例

sample_id,event_file,rgb_file,label
M0001,event/M0001.npz,rgb/M0001.mp4,positive
M0002,event/M0002.npz,rgb/M0002.mp4,surprise
M0003,event/M0003.npz,rgb/M0003.mp4,negative

评价指标

UF1（Unweighted F1）：衡量跨类别的均衡分类能力
UAR（Unweighted Average Recall）：衡量模型对各类别的召回稳定性
Accuracy：作为辅助指标评估整体分类正确率