AI Challenge for Intelligent Analysis of Intentional Traffic Accidents Using Dashcam Videos

※ 다운로드한 baseline.zip에는 베이스라인 코드와 코드 이해를 돕기 위한 데이터 파일이 포함되어 있습니다.

※ 해당 파일을 그대로 제출할 경우 제출 횟수가 차감되므로, 잘못 제출하지 않도록 유의해 주시기 바랍니다.

Stage별 데이터 형태

Stage 1: 재녹화 여부 판별

• 입력 데이터는 영상 파일로 구성됩니다.
• 하나의 영상 파일이 하나의 평가 대상입니다.
• 참가자 모델은 각 영상에 대해 ORIGINAL 또는 RERECORDED 중 하나를 예측해야 합니다.
• 베이스라인의 재녹화 클래스 영상은 제출 구조 확인을 위해 재녹화 과정에서 나타날 수 있는 영상 특성을 모사한 파생 예제이며, 실제 다른 기기로 재촬영한 데이터가 아닙니다.

data/stage1/videos/
├── TEST_S1_001.mp4
├── TEST_S1_002.avi
└── ...

Stage 1 출력 형식:

ID,answer
TEST_S1_001,ORIGINAL
TEST_S1_002,RERECORDED

Stage 2: 사고 주요시점·상황 분석

• 입력 데이터는 원본 사고 영상을 프레임 단위로 추출한 이미지로 구성됩니다.
• 영상별로 하나의 폴더가 생성되며, 동일 폴더의 이미지들은 하나의 사고 영상에서 추출된 연속 프레임입니다.
• 이미지 파일명에 포함된 프레임 번호는 원본 영상의 프레임 번호와 대응됩니다.
• 참가자 모델은 영상별로 충돌 프레임, 진입 프레임, 회피 공간 여부 및 피해차량 진입 방향을 예측해야 합니다.

data/stage2/images/
├── TEST_S2_001/
│   ├── frame_000000.jpg
│   ├── frame_000001.jpg
│   ├── frame_000002.jpg
│   └── ...
├── TEST_S2_002/
│   ├── frame_000000.jpg
│   └── ...
└── ...

Stage 2 출력 형식:

ID,collision_frame,entry_frame,evasion_space,entry_side
TEST_S2_001,120,85,1,RIGHT
TEST_S2_002,244,198,0,LEFT

• collision_frame: 피의차량과 피해차량이 실제로 충돌한 프레임 번호
• entry_frame: 피해차량이 피의차량 차선에 최초로 진입한 프레임 번호
• evasion_space: 충돌 당시 회피 공간 여부
• entry_side: 블랙박스 영상 기준 피해차량 진입 방향

Stage 2 베이스라인에서는 충돌시점만 학습하며, 진입시점·회피 공간 여부·진입 방향은 별도의 정답 라벨로 학습하지 않습니다. 다만 제출 파일 생성과 전체 추론 코드의 정상 작동 여부를 확인할 수 있도록 네 항목을 모두 출력합니다. 학습되지 않은 세 항목의 결과는 제출 형식 확인을 위한 예시로, 실제 예측 성능을 의미하지 않습니다.

Stage 3: 차량 거동 특성 범주 산출

• 입력 데이터는 실차 계측 원본을 10Hz로 구성한 영상 파일입니다.
• Stage 3는 이미지 폴더가 아니라 영상 파일을 입력으로 사용합니다.
• 참가자 모델은 각 영상을 순서대로 분석하여 0.1초 단위의 가감속 및 조향 범주를 예측해야 합니다.
• 영상과 함께 수집된 CAN 데이터는 평가 정답 생성에 사용되며, 비공개 평가 시 참가자 모델의 입력으로 제공되지 않습니다.

data/stage3/videos/
├── TEST_S3_001.mp4
├── TEST_S3_002.mp4
└── ...

Stage 3 출력 형식:

ID,sample_index,accel_label,steer_label
TEST_S3_001,0,CONSTANT,STRAIGHT
TEST_S3_001,1,ACCELERATING,STRAIGHT
TEST_S3_001,2,DECELERATING,LEFT

• sample_index: 각 영상의 0.1초 단위 순번이며 0부터 시작
• accel_label: ACCELERATING, DECELERATING, CONSTANT, STOPPED
• steer_label: LEFT, STRAIGHT, RIGHT

Stage 3 베이스라인은 코드 실행 확인을 위한 소규모·희소 라벨 데이터입니다. 실제 대회 성능 확보를 위해서는 참가자가 별도의 학습데이터와 라벨링 전략을 구성해야 합니다.

비공개 평가 데이터 적용 방식

※ 배포 데이터에는 Stage별 입력 형식과 코드 실행 여부를 확인하기 위한 예제만 포함됩니다.

※ 실제 평가 데이터는 비공개이며, 참가자가 submit.zip을 제출하면 평가 서버에서 동일한 Stage별 경로와 데이터 구조로 자동 구성됩니다.

※ 실제 평가 시에도 데이터 형태는 다음과 같이 유지됩니다.

• Stage 1: 영상 파일
• Stage 2: 영상별 폴더로 구분된 연속 프레임 이미지
• Stage 3: 10Hz 영상 파일

※ 참가자는 비공개 평가데이터의 전체 수량, 정답 및 원천정보를 확인할 수 없습니다. 제출한 추론 코드는 평가 서버에서 비공개 데이터를 입력받아 Stage별 예측 결과를 생성합니다.

※ 본 경진대회에서는 별도의 학습 데이터셋을 제공하지 않으며, 참가자는 사용에 법적 제한이 없는 학습 데이터를 직접 구성하여 활용해야 합니다.

※ 배포된 공개 예제 데이터는 학습·추론 코드의 실행과 입출력 형식을 확인하기 위한 자료이며, 실제 평가데이터와는 구성 및 분포가 다를 수 있습니다.