マイクロアクション（MA）とは、表情の微細な変化や小さな手の動きなど、短時間で自発的に現れる人間の行動であり、社会的相互作用や感情コミュニケーションにおいて重要な非言語的手がかりを提供する。しかし、その持続時間の短さ、動きの微弱さ、意味の細かさから、標準化された方法でのアノテーション、モデリング、評価は非常に困難である。
この課題に取り組むため、研究チームは2024年より毎年、マイクロアクション分析グランドチャレンジ（MAC）を開催している。初回と第2回（MAC 2024、MAC 2025）では、認識と検出のタスクに対して標準化された評価環境を整備し、公開データセットとプロトコルを提供することで、この分野の進展を促進した。2026年、第3回となるMACはACM Multimedia 2026と併催され、テーマを「認識から細粒度の理解へ」と設定した。
今大会の革新点は、新たに導入された「細粒度マイクロアクション理解」タスクである。このタスクでは、マルチモーダル大規模言語モデル（MLLM）を活用して、単なる行動の分類や位置検出にとどまらず、その行動が持つ意図、感情、文脈を深く解釈する能力が求められる。評価は、MLLMが生成した説明文と人間によるアノテーションの一致度を基準に行われ、従来の精度指標を超えた意味的捕捉力が試される。
論文では、参加チームの代表的なソリューションが紹介されている。上位チームの多くは、視覚と言語の事前学習モデルに時空間注意機構を組み合わせることで、動作の細かい意味を高い精度で捉えることに成功した。また、今大会ではデータセットも拡充され、より多様なシナリオと動作カテゴリ、詳細なメタデータが追加された。
最後に、マイクロアクション分析の今後の方向性として、人間中心のビデオ理解（例えば、心理状態の推定、遠隔コミュニケーション支援、セキュリティ監視など）への応用が議論されている。MAC 2026は技術的なハードルを引き上げると同時に、オープンなベンチマークを通じて研究者間の協力を促進し、コンピュータビジョンとマルチメディア分野における重要なマイルストーンとなった。