1：测试集特征目录 (test_feature_*)：这些目录存放了预先提取好的 .npz 格式测试集特征

test_feature_q1_t: 维度 q1 (general_1) 的文本模态特征。
test_feature_q1_a: 维度 q1 (general_1) 的音频模态特征。
test_feature_q1_v: 维度 q1 (general_1) 的视频模态特征。
test_feature_q2_t: 维度 q2 (general_2) 的文本模态特征。
test_feature_q2_a: 维度 q2 (general_2) 的音频模态特征。
test_feature_q2_v: 维度 q2 (general_2) 的视频模态特征。
test_feature_q3_t: 维度 q3 (Honesty-Humility) 的文本模态特征。
test_feature_q3_a: 维度 q3 (Honesty-Humility) 的音频模态特征。
test_feature_q3_v: 维度 q3 (Honesty-Humility) 的视频模态特征。
test_feature_q4_t: 维度 q4 (Extraversion) 的文本模态特征。
test_feature_q4_a: 维度 q4 (Extraversion) 的音频模态特征。
test_feature_q4_v: 维度 q4 (Extraversion) 的视频模态特征。
test_feature_q5_t: 维度 q5 (Agreeableness) 的文本模态特征。
test_feature_q5_a: 维度 q5 (Agreeableness) 的音频模态特征。
test_feature_q5_v: 维度 q5 (Agreeableness) 的视频模态特征。
test_feature_q6_t: 维度 q6 (Conscientiousness) 的文本模态特征。
test_feature_q6_a: 维度 q6 (Conscientiousness) 的音频模态特征。
test_feature_q6_v: 维度 q6 (Conscientiousness) 的视频模态特征。

注明：q1和q2通用问题的特征仅用于track2，不涉及track1，track1只使用q3-q6特征

2：track1_train(track1训练代码目录)

data：存放数据，包括原始视频，转录的音频和文本
gemini_embedding:存放各个维度各个模态的特征
preprocess：数据预处理代码，包括视频转音频、文本转录、特征提取
q*_train:各个维度的训练代码
其余csv均为数据集文件

3:AVI-Track2(track2训练测试代码目录)

AVI-Track2/
├── data-2026/
│   ├── submission.csv                              # track2 提交模板
│   ├── test_data.csv                               # track2 测试集
│   ├── test_data_basic_information.csv             # track2 测试集元信息
│   ├── train_data.csv                              # track2 训练集
│   └── train_data.csv                              # track2 验证集
├── features/                                       # 存放测试集特征
├── output/
│   └── AVI-Track2/                                 # 存放模型、对应的测试结果和测试日志
├── baseline_dataset2_vote.py                       # 数据预处理与加载文件
├── M_model_T.py                                    # 模型结构文件
├── main.py                                         # 主代码（自动根据脚本参数进行训练/测试）
├── main.sh                                         # 训练脚本
├── README.md                                       # 说明
├── requirement.txt                                 # 环境依赖
└── test.sh                                         # 测试脚本

4：模型权重文件 (checkpoint)

checkpoints/: 存放track1训练完成后保存的四个维度的模型权重文件 (.pth)。脚本会自动根据权重文件加载对应的模型参数。
./AVI-Track2/output/AVI-Track2/:里面存放track2的模型权重文件

5：数据模板

template.csv: track1初始的提交模板文件，包含样本 id 列，用于引导推理流程并确定样本顺序。
./AVI-Track2/data-2026/submission.csv: track2初始提交模板文件

6：脚本说明

test.py: track1测试脚本。支持模型结构自适应、模态组合选择。
test.sh: track1启动脚本。该脚本配置了所有特征路径与权重路径参数，按顺序一次性执行 q3 → q4 → q5 → q6 的全流程推理，并将结果合并汇总导出为submission.csv。
./AVI-Track2/test.sh: track2测试脚本
./AVI-Track2/main.sh: track2训练脚本

7: 环境安装：

进入AVI2026目录，python3 -m pip install -r requirements.txt，若无法连接github，则可以使用清华镜像源安装：python3 -m pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
git clone的时候要先安装或激活git-lfs，否则大的pth模型权重无法下载（因为上传使用的是git-lfs，所以只会拉取一个几百字节的指针），此外要扩大缓冲区，拉取结束请检查模型文件是否完整，否则无法运行，注意不要丢失模型文件。
git lfs install
git clone https://github.com/2003-0224/AVI2026

8：运行启动脚本:

    # 首先进入AVI2026目录，cd AVI2026，然后进行接下来操作：
    # track1测试：
    chmod +x test.sh
    bash test.sh

    # track2测试:
    cd AVI-Track2
    chmod +x test.sh
    bash test.sh
    注明：track1测试完成后，生成的测试结果在当前目录下，名称submission.csv；track2测试完成后，生成的测试结果在./AVI-Track2/output/AVI_track2/submission.csv(可能需要等待15-30秒的推理时间，具体是否完成可以看同目录下的测试日志文件)