设置机器翻译、运动想象脑机接口、深度伪造三个赛题，组委会提前发布训练集、测试集等，参赛队可任选一题，在规定时间内提交算法结果和解决方案的描述报告，并进行现场答辩。

　　赛题具体任务如下：

　　赛题1：机器翻译技能竞赛

　　本赛题设置汉语和西班牙语、葡萄牙语以及印地语之间的双向翻译任务，即设计的机器翻译模型不仅可以将西班牙语、葡萄牙语和印地语翻译为汉语，还需要将汉语翻译为西班牙语、葡萄牙语和印地语。

　　具体内容及要求见附件。

下载附件

　　赛题2：运动想象脑机接口竞赛

　　脑-机接口系统通过采集、分析大脑信号，将其转换为输出指令，从而跨越外周神经系统，实现由大脑信号对外部设备的直接控制，进而用于替代、修复、增强、补充或改善中枢神经系统的正常输出。运动想象是唯一不需要外界刺激、能反映使用者自主运动意识的脑机接口范式，其在运动功能代偿和运动功能修复方面具有重要意义。

　　参赛队根据所提供的训练数据集构建面向个体的脑电意图识别模型。训练和测试数据为多名被试者想象同一肢体不同关节运动的脑电数据；每个试次为4s，参赛队以4秒时间尺度对数据进行意图识别。具体运动想象实验范式与数据、竞赛流程、评分标准如下：

　　1.实验范式与比赛数据

　　本赛题采用单侧肢体运动想象范式。数据集为想象右侧手指运动、手腕运动、手肘运动、肩部运动、和静息五个分类数据集。

　　采集数据的脑电数据包含62个电极。每个样本数据长度为4s(从运动想象任务开始时刻起)，所有数据经过0.5-100 Hz滤波、50 Hz陷波和降采样到250Hz的预处理。

　　比赛提供5名不同被试的训练集和测试集。每名被试的训练集数据包含脑电信号样本150个（5类各30个样本）以及对应的标签。每名被试的测试集数据包含脑电信号样本100个。每名被试的脑电信号格式为，其中n为样本数量，62为脑电信号导联数量，1000为脑电信号时间点数量。每名被试的标签格式为，手指运动、手腕运动、手肘运动、肩部运动、和静息对应标签分别为0,1,2,3,4。

　　比赛提供的训练测试数据文件如下：

　　文件格式为python库numpy提供的.npz，比赛将提供加载数据的样例代码。

　　2.竞赛流程

　　参赛队需要完成有监督的脑电信号分类任务。参赛队需要在组委会提供的5名被试的训练数据上分别训练分类模型。模型训练完成后，参赛队需要对组委会提供的对应5名被试的测试数据进行分类，得到离散的分类标签，并提交分类结果进行评测。

　　比赛提交样例submit.csv文件。文件包含5列，每列100行，第i列第j行为第i名被试第j个测试样本的分类结果，结果应该为0,1,2,3,4之中的一个整数。参赛队最终应提交一份同样格式的分类结果文件。

　　3.评分标准

　　比赛将以测试集中多名被试的平均意图识别准确率为指标进行评分，而准确率将根据算法反馈结果与真实意图的一致性进行计算。

　　赛题3：深度伪造竞赛

　　比赛分为DeepFake生成和DeepFake检测两个任务，比赛的目的是对当前的DeepFake对抗博弈进行全面的探究，评测攻防双方的平衡状态，并发掘面临的问题，针对DeepFake威胁提出更有效的防御方法。

　　参赛队需要同时参加两个任务，最终综合排名由两任务排名平均得到，参赛队使用自己的机器训练、调参和测试。

　　1.比赛流程

　　DeepFake生成任务：参赛队需要将比赛素材视频按照指定规则进行换脸（如将A视频的脸部换到B视频人像上），并将换脸视频结果提交比赛评测。比赛前提供任务样例视频，供选手熟悉数据规范。正式比赛时，组委会提供若干素材视频，参赛队需要在规定的时间内（24小时）完成指定数量的（如10段）视频换脸，提交换脸视频结果进行评测，超时未能提交的结果视频记零分。

　　DeepFake检测任务：参赛队需要在比赛提供的训练集上训练换脸视频检测模型，模型输入待检测视频，输出判断为假的概率（0-1）。比赛提前发布训练集供开发调试模型用，不允许使用额外数据集，不允许使用除ImageNet预训练模型以外的初始模型。在正式比赛时，首先在组委会监督的情况下在规定时间内（24小时）完成模型训练过程，以保证模型只在规定训练集上完成（参赛队可事先处理好训练视频并存为图像以节省时间）。然后在规定的时间内（4小时）完成测试集上的预测，并提交预测结果进行评测，模型训练超时和测试超时的记零分。

　　2.比赛数据集

　　对于生成任务，本次比赛采用版权明晰的人脸素材视频供制作高质量换脸，比赛时需要按时完成10段指定的换脸结果，每段视频时长约5秒钟。

　　比赛提供检测任务所需的训练集和测试集，训练集包含约2000段真假视频，每段时长约5秒钟。测试集包括基础测试集200段视频（组委会提供）和进阶测试集10N段（生成任务提交，N为生成任务队伍个数）。

　　3.评测标准

　　生成任务提交结果的评测指标包括主观和客观两部分，以兼顾生成结果对人眼和检测模型的双重欺骗效果。主观指标由裁判组查看换脸视频结果并在整体真实感（Sr）、视频压缩质量（Sq）、表情准确度（Se）、换脸ID相似度（Sid）、嘴部音画一致性（Sm）几个方面进行0-5分打分。客观指标为换脸视频的抗检测分数，由检测任务模型预测平均概率（Sd）计算得到。超时未能提交的视频计零分，单个视频积分为：

　　S = Sr + Sq + Se + Sid + Sm + 10(1-Sd)

　　生成任务总分为10个提交视频的积分。

　　检测任务的分数为测试集上的二分类ROC曲线的曲线下面积AUC。

　　两任务先各自进行排名，排名相同的，测试用时短者靠前。最终综合排名由两任务排名平均得到，平均排名相同，合计用时短者靠前。

　　基于多模态融合技术或基于组委会提供的开源模型、代码、平台服务，面向各行业进行场景应用创新，设计研发多模态智能应用、创新创意解决方案。参赛队可以结合视觉、文本、语音、雷达、遥感、触觉等多源信息进行融合创新，面向行业需求，结合深度学习、机器学习相关算法及技术，构建软/硬方案。

　　具体内容及要求见附件。

　　参赛队在规定时间内，完成系统组装、算法调试以及物体分拣任务，根据每个参赛队在任务场景复杂程度、机器人分拣成功率、任务完成流畅程度等方面进行综合打分，并按照相应的权重计算最终得分。

　　具体内容及要求见附件。

　　参赛队结合本领域工作，在规定时间内，以视频形式提交创意作品（视频为MP4格式，时长不超过8分钟），视频需充分展示实物机器人的特性和能力。作品中机器人类型不限，任务不限。作品应说明设计思路、关键技术及创新点等，充分体现科学性、先进性和创新性。