論文の概要: AxIoU: An Axiomatically Justified Measure for Video Moment Retrieval
- arxiv url: http://arxiv.org/abs/2203.16062v1
- Date: Wed, 30 Mar 2022 05:19:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-31 16:30:43.193351
- Title: AxIoU: An Axiomatically Justified Measure for Video Moment Retrieval
- Title（参考訳）: axiou:ビデオモーメント検索のための公理的に正当化された尺度
- Authors: Riku Togashi, Mayu Otani, Yuta Nakashima, Esa Rahtu, Janne Heikkila,
Tetsuya Sakai
- Abstract要約: ビデオモーメント検索(VMR)の代替手段を提案する。
AxIoU は VMR 評価において 2 つの重要な公理を満たすことを示す。
また、AxIoUがR@$K,theta$とどのように一致しているかを実証的に検証し、テストデータや人手による時間境界の変化に対する安定性についても検討する。
- 参考スコア（独自算出の注目度）: 47.665259947270336
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Evaluation measures have a crucial impact on the direction of research.
Therefore, it is of utmost importance to develop appropriate and reliable
evaluation measures for new applications where conventional measures are not
well suited. Video Moment Retrieval (VMR) is one such application, and the
current practice is to use R@$K,\theta$ for evaluating VMR systems. However,
this measure has two disadvantages. First, it is rank-insensitive: It ignores
the rank positions of successfully localised moments in the top-$K$ ranked list
by treating the list as a set. Second, it binarizes the Intersection over Union
(IoU) of each retrieved video moment using the threshold $\theta$ and thereby
ignoring fine-grained localisation quality of ranked moments.
We propose an alternative measure for evaluating VMR, called Average Max IoU
(AxIoU), which is free from the above two problems. We show that AxIoU
satisfies two important axioms for VMR evaluation, namely, \textbf{Invariance
against Redundant Moments} and \textbf{Monotonicity with respect to the Best
Moment}, and also that R@$K,\theta$ satisfies the first axiom only. We also
empirically examine how AxIoU agrees with R@$K,\theta$, as well as its
stability with respect to change in the test data and human-annotated temporal
boundaries.
- Abstract（参考訳）: 評価尺度は研究の方向性に重大な影響を与える。
したがって、従来の対策が適さない新規アプリケーションに対して、適切で信頼性の高い評価手法を開発することが最も重要である。
Video Moment Retrieval (VMR)はそのようなアプリケーションのひとつで、現在のプラクティスは、VMRシステムの評価にR@$K,\theta$を使用することである。
しかし、この尺度には2つの欠点がある。
リストを集合として扱うことで、上位の$K$ランクリストのローカライズされたモーメントのランク位置を無視する。
第二に、検索された各ビデオモーメントのIoU(Intersection over Union)をしきい値$\theta$で二項化することで、ランキングモーメントのきめ細かいローカライゼーション品質を無視する。
本稿では、上記の2つの問題から解放された平均マックスIoU(AxIoU)と呼ばれるVMRの評価方法を提案する。
我々は、AxIoUがVMR評価に重要な公理を2つ満たしていることを示す。すなわち、冗長モーメントに対する \textbf{Invariance とベストモーメントに対する \textbf{Monotonicity であり、R@$K,\theta$ は最初の公理のみを満たす。
また,axiou が r@$k,\theta$ とどのように一致するか,また,テストデータの変化と人間による時間的境界の安定性についても実験的に検討した。
関連論文リスト
- Near-Optimal Dynamic Regret for Adversarial Linear Mixture MDPs [63.47351876442425]
本研究は,完全情報フィードバックの下で,相変わらずの相変わらずの線形混合MDPについて検討した。
本稿では,占領率に基づく手法と政策に基づく手法の利点を組み合わせた新しいアルゴリズムを提案する。
我々のアルゴリズムは$widetildemathcalO(d sqrtH3 K + sqrtHK(H + barP_K$)$ dynamic regret, ここで$d$は特徴次元である。
論文 参考訳（メタデータ） (2024-11-05T13:55:52Z) - Efficient and Sharp Off-Policy Evaluation in Robust Markov Decision Processes [44.974100402600165]
意思決定プロセス(MDP)に対する最良パラメトリックかつ最悪の摂動の評価について検討する。
我々は、元のMDPからの遷移観測を用いて、それらが同一または異なるポリシーの下で生成されるかのどちらかを判断する。
我々の推定器はウォルドの信頼区間を用いた統計的推測も行う。
論文 参考訳（メタデータ） (2024-03-29T18:11:49Z) - Faster Video Moment Retrieval with Point-Level Supervision [70.51822333023145]
Video Moment Retrieval (VMR)は、自然言語クエリでトリミングされていないビデオから最も関連性の高いイベントを取得することを目的としている。
既存のVMRメソッドには2つの欠陥がある。
CFMR(Cheaper and Faster Moment Retrieval)と呼ばれる新しい手法を提案する。
論文 参考訳（メタデータ） (2023-05-23T12:53:50Z) - A Closer Look at Debiased Temporal Sentence Grounding in Videos:
Dataset, Metric, and Approach [53.727460222955266]
テンポラル・センテンス・グラウンディング・イン・ビデオ(TSGV)は、未編集のビデオに自然言語文を埋め込むことを目的としている。
最近の研究では、現在のベンチマークデータセットには明らかなモーメントアノテーションバイアスがあることが判明している。
偏りのあるデータセットによる膨らませ評価を緩和するため、基礎的リコールスコアを割引する新しい評価基準「dR@n,IoU@m」を導入する。
論文 参考訳（メタデータ） (2022-03-10T08:58:18Z) - TISE: A Toolbox for Text-to-Image Synthesis Evaluation [9.092600296992925]
単目的と多目的のテキスト・ツー・イメージ合成のための最先端手法の研究を行う。
これらの手法を評価するための共通フレームワークを提案する。
論文 参考訳（メタデータ） (2021-12-02T16:39:35Z) - Universal Off-Policy Evaluation [64.02853483874334]
ユニバーサルオフ政治推定器(UnO)への第一歩を踏み出す
我々は, 平均, 分散, 分位数/中間数, 分位数範囲, cvar, および累積分布全体の推定と同時結合に uno を用いる。
論文 参考訳（メタデータ） (2021-04-26T18:54:31Z) - Maximum Moment Restriction for Instrumental Variable Regression [23.785259180682004]
カーネル化された条件モーメント制限(CMR)に基づく非線形インスツルメンタル変数(IV)回帰のための簡単なフレームワークを提案する。
MMRは、カーネル再生空間(RKHS)において、残留物と単位球に属する機器との相互作用を最大化することによって定式化される。
我々は,合成データと実世界のデータの両方を用いた実験により,既存のフレームワークよりもフレームワークの利点を実証する。
論文 参考訳（メタデータ） (2020-10-15T12:02:25Z) - Sharp Statistical Guarantees for Adversarially Robust Gaussian
Classification [54.22421582955454]
逆向きに頑健な分類の過剰リスクに対する最適ミニマックス保証の最初の結果を提供する。
結果はAdvSNR(Adversarial Signal-to-Noise Ratio)の項で述べられており、これは標準的な線形分類と逆数設定との類似の考え方を一般化している。
論文 参考訳（メタデータ） (2020-06-29T21:06:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。