論文の概要: Event Detection in Videos: A Framework for the Development of New Methods

• arxiv url: http://arxiv.org/abs/2607.04372v1
• Date: Sun, 05 Jul 2026 16:00:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.910343
• Title: Event Detection in Videos: A Framework for the Development of New Methods
• Title（参考訳）: ビデオにおけるイベント検出:新しい手法開発のためのフレームワーク
• Abstract要約: ビデオ内のイベント検出タスクは、ピクセルレベル、フレームレベル、クリップレベルのいずれかでイベントを検出することを目的としている。 このフレームワークは、データセット、パフォーマンス評価、メソッドのデプロイシナリオの3つの主要な柱に基づいている。
• 参考スコア（独自算出の注目度）: 31.09773409287628
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event detection tasks in videos, the most important aspect of video surveillance, aim to detect events either at the pixel-level, frame-level, or clip-level. Plenty of methods intended for event detection in different environments, for various applications, and within different acquisition techniques were introduced. Naturally, the attempts were made as well to classify these algorithms in terms of detection of performance or in terms of real-time abilities. Nevertheless, the lack of a large-scale dataset as well as rigorous performance evaluation methods have biased such comparisons as well as the development of the methods. Given the diversity of existing approaches, we believe it is essential for researchers to position their work within such a rich landscape. Thus, we propose a rigorous framework for developing new methods in event detection for videos. Specifically, this framework is based on three main pillars: datasets, performance evaluation, and scenarios for deploying methods.
• Abstract（参考訳）: ビデオ監視の最も重要な側面であるビデオ内のイベント検出タスクは、ピクセルレベル、フレームレベル、クリップレベルのいずれかでイベントを検出することを目指している。 様々な環境, 様々なアプリケーション, 異なる取得手法でイベント検出を意図した手法が数多く紹介された。 当然、これらのアルゴリズムをパフォーマンスの検出やリアルタイム能力の観点から分類する試みも行われた。 それにもかかわらず、大規模なデータセットと厳密な性能評価手法の欠如は、そのような比較と手法の開発に偏っている。 既存のアプローチの多様性を考えると、研究者は研究をこのような豊かな風景の中に配置することが不可欠であると信じている。 そこで本稿では,ビデオのイベント検出における新しい手法を開発するための厳密なフレームワークを提案する。 具体的には、このフレームワークは、データセット、パフォーマンス評価、メソッドのデプロイシナリオの3つの主要な柱に基づいている。

関連論文リスト

• Mismatched: Evaluating the Limits of Image Matching Approaches and Benchmarks [9.388897214344572]
  2次元画像からの3次元3次元再構成はコンピュータビジョンにおける活発な研究分野である。 伝統的にこの作業にはパラメトリック技術が用いられてきた。 近年の進歩は、学習ベースの方法にシフトしている。
  論文  参考訳（メタデータ） (2024-08-29T11:16:34Z)
• EVREAL: Towards a Comprehensive Benchmark and Analysis Suite for Event-based Video Reconstruction [16.432164340779266]
  イベントカメラは、高ダイナミックレンジや最小モーションブラーといった従来のフレームベースのカメラよりも利点がある。 彼らの出力は、人間が容易に理解できないため、イベントストリームからの強度画像の再構成は、イベントベースのビジョンにおいて基本的なタスクとなる。 近年の深層学習に基づく手法は,イベントからの映像再構成において有望であることを示すものであるが,この問題はまだ完全には解決されていない。
  論文  参考訳（メタデータ） (2023-04-30T09:28:38Z)
• Video Segmentation Learning Using Cascade Residual Convolutional Neural Network [0.0]
  本研究では,残差情報を前景検出学習プロセスに組み込んだ新しい深層学習ビデオセグメンテーション手法を提案する。 Change Detection 2014とPetrobrasのプライベートデータセットであるPetrobrasROUTESで実施された実験は、提案手法の有効性を支持している。
  論文  参考訳（メタデータ） (2022-12-20T16:56:54Z)
• FasterVideo: Efficient Online Joint Object Detection And Tracking [0.8680676599607126]
  我々は、画像オブジェクト検出において最も成功した方法の一つである、Faster R-CNNを再考し、それをビデオ領域に拡張する。 提案手法は,関連アプリケーションに必要な計算効率が非常に高い。
  論文  参考訳（メタデータ） (2022-04-15T09:25:34Z)
• Reliable Shot Identification for Complex Event Detection via Visual-Semantic Embedding [72.9370352430965]
  本稿では,映像中の事象検出のための視覚的意味的誘導損失法を提案する。 カリキュラム学習に動機付け,高い信頼性の事例で分類器の訓練を開始するために,負の弾性正規化項を導入する。 提案する非ネット正規化問題の解法として,代替最適化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-10-12T11:46:56Z)
• Distribution Alignment: A Unified Framework for Long-tail Visual Recognition [52.36728157779307]
  長尾視覚認識のための分散アライメント戦略を提案する。 次に,二段階学習における一般化された再重み付け法を導入して,事前のクラスバランスをとる。 提案手法は, 4つの認識タスクすべてにおいて, 単純で統一されたフレームワークを用いて最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-03-30T14:09:53Z)
• Ensembling object detectors for image and video data analysis [98.26061123111647]
  本稿では,複数の物体検出器の出力をアンサンブルすることで,画像データ上の境界ボックスの検出性能と精度を向上させる手法を提案する。 本研究では,2段階追跡に基づく検出精度向上手法を提案することで,映像データに拡張する。
  論文  参考訳（メタデータ） (2021-02-09T12:38:16Z)
• TinyVIRAT: Low-resolution Video Action Recognition [70.37277191524755]
  現実世界の監視環境では、ビデオ内のアクションは幅広い解像度でキャプチャされる。 天然の低解像度アクティビティを含むベンチマークデータセットTinyVIRATを導入する。 本稿では,プログレッシブ・ジェネレーティブ・アプローチを用いたビデオにおける小さな動作を認識する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T21:09:18Z)
• Revisiting Few-shot Activity Detection with Class Similarity Control [107.79338380065286]
  本稿では,提案回帰に基づく数ショットの時間的活動検出のためのフレームワークを提案する。 我々のモデルはエンドツーエンドのトレーニングが可能で、数ショットのアクティビティと未トリミングなテストビデオのフレームレートの違いを考慮しており、さらに数ショットのサンプルの恩恵を受けることができる。
  論文  参考訳（メタデータ） (2020-03-31T22:02:38Z)
• Delving into 3D Action Anticipation from Streaming Videos [99.0155538452263]
  アクション予測は、部分的な観察でアクションを認識することを目的としている。 本稿では,いくつかの相補的評価指標を導入し,フレームワイド動作分類に基づく基本モデルを提案する。 また,全動作表現とクラス非依存行動ラベルという2つの側面から補助情報を取り入れたマルチタスク学習戦略についても検討する。
  論文  参考訳（メタデータ） (2019-06-15T10:30:29Z)

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。