論文の概要: LiquidTAD: An Efficient Method for Temporal Action Detection via Liquid Neural Dynamics

• arxiv url: http://arxiv.org/abs/2604.18274v1
• Date: Mon, 20 Apr 2026 13:48:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.912249
• Title: LiquidTAD: An Efficient Method for Temporal Action Detection via Liquid Neural Dynamics
• Title（参考訳）: LiquidTAD: 液体ニューラルダイナミクスによる時間的行動検出の効率的な方法
• Authors: Zepeng Sun, Naichuan Zheng, Hailun Xia, Junjie Wu, Liwei Bao, Xiaotai Zhang,
• Abstract要約: LiquidTADは、面倒なセルフアテンションレイヤを並列化されたActionLiquidブロックに置き換える、新しいフレームワークである。 我々は、LiquidTADが10.82Mパラメータだけで69.46%という高い競争力を持つ平均mAPを達成したことを示し、ActionFormerベースラインと比較して63%の削減を実現した。
• 参考スコア（独自算出の注目度）: 2.3837169660687123
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Temporal Action Detection (TAD) in untrimmed videos is currently dominated by Transformer-based architectures. While high-performing, their quadratic computational complexity and substantial parameter redundancy limit deployment in resource-constrained environments. In this paper, we propose LiquidTAD, a novel parameter-efficient framework that replaces cumbersome self-attention layers with parallelized ActionLiquid blocks. Unlike traditional Liquid Neural Networks (LNNs) that suffer from sequential execution bottlenecks, LiquidTAD leverages a closed-form continuous-time (CfC) formulation, allowing the model to be reformulated as a parallelizable operator while preserving the intrinsic physical prior of continuous-time dynamics. This architecture captures complex temporal dependencies with $O(N)$ linear complexity and adaptively modulates temporal sensitivity through learned time-constants ($τ$), providing a robust mechanism for handling varying action durations. To the best of our knowledge, this work is the first to introduce a parallelized LNN-based architecture to the TAD domain. Experimental results on the THUMOS-14 dataset demonstrate that LiquidTAD achieves a highly competitive Average mAP of 69.46\% with only 10.82M parameters -- a 63\% reduction compared to the ActionFormer baseline. Further evaluations on ActivityNet-1.3 and Ego4D benchmarks confirm that LiquidTAD achieves an optimal accuracy-efficiency trade-off and exhibits superior robustness to temporal sampling variations, advancing the Pareto frontier of modern TAD frameworks.
• Abstract（参考訳）: 未トリミングビデオにおける時間的アクション検出(TAD)は、現在Transformerベースのアーキテクチャによって支配されている。 高い性能を保ちながら、その2次計算複雑性とかなりのパラメータ冗長性は、資源制約された環境におけるデプロイメントを制限する。 本稿では,複雑な自己アテンション層を並列化されたActionLiquidブロックに置き換える新しいパラメータ効率フレームワークLiquidTADを提案する。 シーケンシャルな実行ボトルネックに悩まされる従来のLiquid Neural Networks(LNN)とは異なり、LiquidTADはクローズドフォームの連続時間(CfC)の定式化を利用して、モデルを並列化可能な演算子として再構成し、連続時間力学の本質的な物理的先行を保存する。 このアーキテクチャは、$O(N)$リニア複雑度で複雑な時間的依存関係をキャプチャし、学習された時間制約(τ$)を通して時間的感度を適応的に調整し、様々な動作期間を扱うための堅牢なメカニズムを提供する。 私たちの知る限りでは、この作業は、TADドメインに並列化LNNベースのアーキテクチャを導入した最初のものです。 THUMOS-14データセットの実験結果は、LiquidTADが10.82Mパラメータだけで69.46\%という高い競争力を持つ平均mAPを達成したことを示している。 ActivityNet-1.3とEgo4Dベンチマークのさらなる評価により、LiquidTADは最適な精度と効率のトレードオフを達成し、時間的サンプリングのバリエーションよりも優れた堅牢性を示し、現代のTADフレームワークのParetoフロンティアを前進させた。

関連論文リスト

• PPMStereo: Pick-and-Play Memory Construction for Consistent Dynamic Stereo Matching [51.98089287914147]
  textbfPick-and-textbflay textbfMemory (PM) construction module for dynamic bfStereo matching, called bftextPPMStereo。 bftextPPMStereo と呼ばれる動的 bfStereo マッチングのための textbfPick-and-textbflay textbfMemory (PM) 構築モジュールを提案する。
  論文  参考訳（メタデータ） (2025-10-23T03:52:39Z)
• MesaNet: Sequence Modeling by Locally Optimal Test-Time Training [67.45211108321203]
  我々は,最近提案されたMesa層の数値的に安定かつチャンクワイズ可能な並列化版を導入する。 テストタイムの最適トレーニングにより、従来のRNNよりも言語モデリングの難易度が低く、ダウンストリームベンチマークのパフォーマンスが向上することを示す。
  論文  参考訳（メタデータ） (2025-06-05T16:50:23Z)
• Physics-informed Multiple-Input Operators for efficient dynamic response prediction of structures [0.07916635054977067]
  MIONetは空間と時間の両方で連続的に構造的応答を予測する。 モデルは単純なビームとKW-51ブリッジの両方で検証され、FEMレベルの精度は数秒で達成される。
  論文  参考訳（メタデータ） (2025-05-11T18:45:58Z)
• Hybrid machine learning models based on physical patterns to accelerate CFD simulations: a short guide on autoregressive models [3.780691701083858]
  本研究では,Long Short-Term Memory (LSTM) アーキテクチャと高次特異値分解を革新的に統合し,流体力学における低次モデリング(ROM)の複雑さに対処する。 この手法は、2次元および3次元のシリンダー流(2次元および3次元)を含む数値的および実験的なデータセットで試験される。 その結果、HOSVDは、異なるエラーメトリクスを用いて証明されたように、すべてのテストシナリオでSVDより優れていることが示された。
  論文  参考訳（メタデータ） (2025-04-09T10:56:03Z)
• AMR-Transformer: Enabling Efficient Long-range Interaction for Complex Neural Fluid Simulation [33.63726923336252]
  本稿では,AMR-Transformerを提案する。 これは、Navier-Stokes制約を意識した高速刈取モジュールと、新しい適応メッシュリファインメントスキームを統合している。 提案手法は,ベースラインモデルよりも精度が向上する。
  論文  参考訳（メタデータ） (2025-03-13T11:16:42Z)
• Towards Stabilized and Efficient Diffusion Transformers through Long-Skip-Connections with Spectral Constraints [51.83081671798784]
  Diffusion Transformers (DiT) は、画像およびビデオ生成のための強力なアーキテクチャとして登場し、優れた品質とスケーラビリティを提供している。 DiTの実用アプリケーションは本質的に動的特徴不安定性に悩まされており、キャッシュされた推論中にエラーを増幅する。 我々は,Long-Skip-Connections (LSCs) で拡張された画像およびビデオ生成型DiTであるSkip-DiTを提案する。
  論文  参考訳（メタデータ） (2024-11-26T17:28:10Z)
• Adaptive Multi-Scale Decomposition Framework for Time Series Forecasting [26.141054975797868]
  本稿では,時系列予測のための新しい適応型マルチスケール分解(AMD)フレームワークを提案する。 我々のフレームワークは時系列を複数のスケールで異なる時間パターンに分解し、MDM(Multi-Scale Decomposable Mixing)ブロックを活用する。 提案手法は,時間依存性とチャネル依存性の両方を効果的にモデル化し,マルチスケールデータ統合を改良するために自己相関を利用する。
  論文  参考訳（メタデータ） (2024-06-06T05:27:33Z)
• Towards Long-Term Time-Series Forecasting: Feature, Pattern, and Distribution [57.71199089609161]
  長期的時系列予測(LTTF)は、風力発電計画など、多くのアプリケーションで需要が高まっている。 トランスフォーマーモデルは、高い計算自己認識機構のため、高い予測能力を提供するために採用されている。 LTTFの既存の手法を3つの面で区別する,Conformer という,効率的なTransformer ベースモデルを提案する。
  論文  参考訳（メタデータ） (2023-01-05T13:59:29Z)
• Liquid Time-constant Networks [117.57116214802504]
  本稿では,時間連続リカレントニューラルネットワークモデルについて紹介する。 暗黙の非線形性によって学習システムの力学を宣言する代わりに、線形一階力学系のネットワークを構築する。 これらのニューラルネットワークは安定かつ有界な振る舞いを示し、ニューラル常微分方程式の族の中で優れた表現性をもたらす。
  論文  参考訳（メタデータ） (2020-06-08T09:53:35Z)

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。