ICCV 2025 MARS2 Workshop Multimodal Reasoning Competition

迈向系统2思维：探索视觉与语言的深度推理能力

🏆 比赛背景

在大模型时代，多模态推理与“慢思考”（Slow Thinking）能力成为人工智能突破传统任务范式的关键。ICCV 2025 MARS2研讨会联合全球顶尖机构，推出三大核心赛道，聚焦真实场景下的复杂推理任务，推动AI系统在动态环境中的鲁棒性与泛化性提升。

主办单位：武汉理工大学、清华大学、中国科学院自动化研究所

会议官网：https://lens4mllms.github.io/mars2-workshop-iccv2025

🎯 赛道设置

赛道一：VG-RS（Visual Grounding in Real-world Scenarios）

任务概述

评估模型在复杂多模态场景中的场景感知、目标定位与空间推理能力。

核心挑战

在真实世界场景中精准定位物体并理解其空间关系

应对动态环境中的遮挡、光照变化等干扰因素

数据集

定制数据集包含 22K+ 目标-标注框对

评估指标

接地准确率（ACC@0.5）：预测框与真实框IoU > 0.5视为正确

跨场景泛化能力（多环境配置下的性能稳定性）

赛道二：VQA-SA（Visual Question Answering with Spatial Awareness）

任务概述

基于物理内容的指令驱动问答，测试模型的空间推理、常识推理与反事实推断能力。

核心挑战

多步推理：结合视觉信息与指令完成多阶段逻辑推导

抽象理解：从具体场景中提取隐含的物理规则

数据集

提供 6K+ 图片-问答对，覆盖空间关系、物体属性与动态交互

评估指标

答案准确性：基于大语言模型的文本相似度匹配

逻辑一致性：反事实场景下的推理鲁棒性

赛道三：VR-Ads（Visual Reasoning in Creative Advertisement Videos）

任务概述

针对创意广告视频的隐式非物理概念理解，挑战模型的认知推理与抽象表征能力。

核心挑战

解析广告中的隐喻、情感与品牌意图

跨模态关联（视觉-文本-音频）的协同推理

数据集与工具

数据集包含 1.5K+ 广告视频 及标注

基准测试参考

https://xiaotiank.github.io/AdsQA https://github.com/XiaoTiank/AdsQA

评估指标

抽象概念识别准确率

多维度推理链完整性

📢 如何参赛

报名链接：

EvalAI竞赛平台

https://eval.ai/web/challenges/challenge-page/2552/overview

获取数据集

请在创建队伍的时候将邮箱和报名的任务填入Team URL，后续我们会将数据集链接通过邮箱的方式发送。

例子：邮箱地址 +(VG-RS,VQA-SA,VR-Ads)

如果你想要参加第三个赛题，报名成功后我们会通过邮箱的方式给你发送数据的使用协议，请打印签字后将扫描件回复对应邮箱，随后我们尽快将第三个赛题的数据链接发给你。

如果参赛者以非教育邮箱地址注册参赛，请向mars2workshop@googlegroups.com发送邮件提供身份信息。严禁一个队伍注册多个账号，后台会进行检测，查实违规后，会取消相关队伍的比赛成绩。

📅 重要日期

💰 奖项设置

各赛道冠军：1000美元

亚军与季军：也设置相应奖金

🌐 联系我们

邮箱：mars2workshop@googlegroups.com

更多详情请访问：https://lens4mllms.github.io/mars2-workshop-iccv2025/

迈向系统2思维，定义下一代AI推理范式！