Pixel Efficiency
Pixel Efficiency Challenge (en la tabla de resultados aparece como «Pixel Parsimony Challenge»)
IOAI 2025 · Día 2 · Sede: Beijing, China 🇨🇳
Temas: Computer Vision, Metodología y Datos, Adversarial y Robustez · Edición: IOAI 2025
💡 Qué pide y por dónde va (spoiler)
Cámaras trampa con ancho de banda mínimo: elegir qué píxeles conservar (máximo 6.25% de la imagen) para que CLIP siga clasificando bien la especie en zero-shot. Una máscara inválida cuenta como error. Es selección de información contra el criterio de un modelo evaluador.
📋 Ficha
| Métrica | Accuracy zero-shot de CLIP sobre las imágenes enmascaradas |
| Modelos permitidos | CLIP (el evaluador) |
| Rendimiento observado | 🟠 media ≥12 — media 20.11/100 · mediana 8.1 · máx 100.0 · sacaron 0: 5% · pasaron de 50: 14% (n=284) |
| Cohorte | 2025 · Día 2 · Individual |
| Contrato | Pendiente de revisión documental |
| Por verificar | archivos a entregar, archivos producidos, punto de entrada, límite de entrega, split de las referencias, evaluación, dependencias |
| Ejecución del grader verificada aquí | No verificada |
Contrato operativo pendiente de revisión y ensayo local. La clasificación temática no acredita preparación del entorno.
Fuentes del contrato: fuente 1
Puntaje normalizado: Norm = (tuyo − baseline) / (Max − baseline) × 100 · baseline 0.19 · Comité Científico 0.83 (escala nativa de la métrica, 0–1). Son referencias del split declarado en el contrato, no un resultado transferible a cualquier validación. Max no es necesariamente el Comité. Consultar Formato IOAI y estrategia y Protocolo de simulacro antes de normalizar.