論文の概要: Bridging the Pose-Semantic Gap: A Cascade Framework for Text-Based Person Anomaly Search

• arxiv url: http://arxiv.org/abs/2604.23282v1
• Date: Sat, 25 Apr 2026 12:53:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.249627
• Title: Bridging the Pose-Semantic Gap: A Cascade Framework for Text-Based Person Anomaly Search
• Title（参考訳）: Pose-Semantic Gapをブリッジする: テキストベースの人物異常検索のためのカスケードフレームワーク
• Authors: Zequn Xie, Guijin Luo, Chuxin Wang, Sihang Cai, Tao Jin, Zhou Zhao, Yixuan Tang,
• Abstract要約: テキストベースの人物異常検索は、自然言語クエリを使用して監視アーカイブから特定の行動イベントを検索する。 最近のポーズアウェア法は、意味的に異なるアクションが類似した骨格のジオメトリを共有できるという、基本的なPose-Semantic Gapに直面している。 本稿では,検索を2段階に分離するSSDC(Structure-Semantic Decoupled Cascade)フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 45.34874989015716
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text-based person anomaly search retrieves specific behavioral events from surveillance archives using natural-language queries. Although recent pose-aware methods align geometric structures well, they face a fundamental Pose-Semantic Gap: semantically different actions can share similar skeletal geometries. While Multimodal Large Language Models (MLLMs) can reduce this ambiguity, using them for large-scale retrieval is computationally prohibitive. We propose the Structure-Semantic Decoupled Cascade (SSDC) framework, which decouples retrieval into two stages: (1) Structure-Aware Coarse Retrieval, where a lightweight model quickly filters candidates by skeletal similarity ; and (2) Detective Squad Interaction, a multi-agent semantic verification module. The squad consists of a Detective for fast binary filtering, an Analyst for evidence extraction, and a Writer for semantic synthesis. Finally, we re-rank candidates by fusing the synthesized captions with structural priors. Experiments on the PAB benchmark show that SSDC achieves state-of-the-art performance by balancing efficiency and semantic reasoning.
• Abstract（参考訳）: テキストベースの人物異常検索は、自然言語クエリを使用して監視アーカイブから特定の行動イベントを検索する。 最近のポーズアウェア法は幾何構造をうまく整合させるが、それらは基本的なポセマンティックギャップに直面している。 MLLM(Multimodal Large Language Models)はこの曖昧さを軽減できるが、大規模検索では計算が禁止されている。 本研究では,検索を2段階に分離する構造・意味的分離カスケード(SSDC)フレームワークを提案する。(1) 骨格類似性により,軽量モデルで候補を迅速にフィルタリングする構造・認識粗大検索,(2) マルチエージェントセマンティック検証モジュールである検出スクワッドインタラクションである。 チームは、高速バイナリフィルタリングのためのインテグレーティブ、エビデンス抽出のためのアナリスト、セマンティックシンセサイザーのためのライターで構成される。 最後に, 合成キャプションを構造的事前に融合させることにより, 候補を再評価する。 PABベンチマークの実験では、SSDCは効率性とセマンティック推論のバランスをとることによって最先端のパフォーマンスを達成する。

関連論文リスト

• Unifying Tree Search Algorithm and Reward Design for LLM Reasoning: A Survey [92.71325249013535]
  線形木探索はLarge Language Model (LLM) 研究の基盤となっている。 本稿では,検索アルゴリズムを3つのコアコンポーネントに分解する統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-11T03:29:18Z)
• CART: A Generative Cross-Modal Retrieval Framework with Coarse-To-Fine Semantic Modeling [53.97609687516371]
  クロスモーダル検索は、異なるモーダルデータの相互作用を通じて、クエリと意味的に関連するインスタンスを検索することを目的としている。 従来のソリューションでは、クエリと候補の間のスコアを明示的に計算するために、シングルトウワーまたはデュアルトウワーのフレームワークを使用している。 粗大なセマンティックモデリングに基づく生成的クロスモーダル検索フレームワーク(CART)を提案する。
  論文  参考訳（メタデータ） (2024-06-25T12:47:04Z)
• UnifieR: A Unified Retriever for Large-Scale Retrieval [84.61239936314597]
  大規模な検索は、クエリを与えられた巨大なコレクションから関連ドキュメントをリコールすることである。 事前学習型言語モデル(PLM)に基づく最近の検索手法は,高密度ベクターあるいはレキシコンに基づくパラダイムに大別することができる。 本論文では,高密度ベクトルとレキシコンに基づく検索を2つの表現能力を持つ1つのモデルで統合する学習フレームワークUnifieRを提案する。
  論文  参考訳（メタデータ） (2022-05-23T11:01:59Z)
• AutoSTR: Efficient Backbone Search for Scene Text Recognition [80.7290173000068]
  テキストインスタンスの多様性とシーンの複雑さのため、シーンテキスト認識(STR)は非常に難しい。 テキスト認識性能を向上させるために,データ依存のバックボーンを検索するための自動STR(AutoSTR)を提案する。 実験によると、データ依存のバックボーンを検索することで、AutoSTRは標準ベンチマークにおける最先端のアプローチより優れている。
  論文  参考訳（メタデータ） (2020-03-14T06:51:04Z)

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。