微動作（Micro-Actions, MAs）是人與生俱來的細微而自發的行為，如面部微表情、小幅手勢或身體姿態的快速變化。這些動作持續時間極短（常小於0.5秒）、運動幅度微弱，卻能傳遞重要的情感與社交資訊，在心理學、人機互動和情感計算等領域具有重要價值。然而，由於其低振幅、高噪聲和語義模糊等特點，傳統方法在資料標註、模型訓練和標準化評估方面面臨嚴峻挑戰。
為了推動該領域的發展，研究團隊自2024年起每年組織微動作分析大挑戰賽（Micro-Action Analysis Grand Challenge, MAC）。前兩屆賽事（MAC 2024和MAC 2025）分別聚焦於微動作的識別與檢測任務，建立了公開的資料集與評估協議，為學界提供了可復現的基準平臺。2026年，第三屆挑戰賽（MAC 2026）與ACM Multimedia 2026會議聯合舉辦，主題從“識別”升級為“細粒度理解”。
本次賽事的核心創新是引入了一項全新任務：細粒度微動作理解（Fine-Grained Micro-Action Understanding）。與以往僅判斷動作類別或空間位置不同，該任務要求模型藉助多模態大語言模型（Multimodal Large Language Models, MLLMs）對微動作進行深層語義解讀，包括理解動作背後的意圖、情感狀態以及上下文關聯。評估過程不再依賴簡單的分類準確率，而是透過MLLM生成的文本描述與人工標註的一致性來評分，從而更全面地考驗模型對細微語義線索的捕捉能力。
論文中詳細記錄了參賽團隊的表現。部分頂尖方案採用了視覺-語言聯合預訓練模型，結合時空注意力機制，有效提升了動作定位和語義描述的準確性。此外，賽事還提供了擴充套件後的資料集，包含更多樣化的場景和動作類別，以及更精細的後設資料標註，為未來研究奠定了資料基礎。
最後，作者討論了微動作分析在更廣闊的人本影片理解中的應用前景，如智慧監控、心理輔助診斷和增強現實互動。MAC 2026不僅推動了技術邊界，也透過開放評測促進了領域內的合作與標準化，有望成為計算機視覺與多媒體交叉領域的重要里程碑。