論文の概要: Compositional Benchmark Synthesis for Hierarchical Human Action Recognition

• arxiv url: http://arxiv.org/abs/2608.10765v1
• Date: Tue, 11 Aug 2026 10:22:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:46.005229
• Title: Compositional Benchmark Synthesis for Hierarchical Human Action Recognition
• Title（参考訳）: 階層型人間行動認識のための合成ベンチマーク合成
• Abstract要約: 4段階階層型インテンションベンチマークを合成するベンチマーク生成および評価フレームワークを提案する。 エピソードは、主題一貫性制約の下で遷移モデルによって組み立てられる。 被検体の使用量を0.566から0.248に削減する。
• 参考スコア（独自算出の注目度）: 4.812022454180755
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recognizing human behavior across levels of abstraction, from atomic actions to long-horizon intentions, requires data annotated along a semantic hierarchy. Large corpora provide isolated, atomically labeled clips without temporal composition, whereas recorded composite-activity corpora offer shallow, domain-narrow, fixedhierarchies. A benchmark-generation and evaluation frameworkis proposed that synthesizes a four-level hierarchical-intention benchmark, spanning actions, activities, low-level intentions (LLIs), and high-level intentions (HLIs), from a flat single-label action corpus while retaining real pre-extracted features at the action level. Episodes are assembled by a transition model under a subject-consistency constraint, and a coverage-aware sampler reduces the subject usage Gini from 0.566 to 0.248. Synthesizing such a benchmark raises a circular-supervision risk that recorded datasets avoid: if the rules generating the episodes also govern the evaluation, models can succeed by recovering the generator rather than through genuine reasoning. Validity is addressed by design, holding sequence-generation rules disjoint from the first-order-logic rules used at evaluation. The instantiation yields 15,002 episodes. Four reference baselines from different model families characterize difficulty, not as recognition methods. A compositional held-out gap of 0.13 to 0.17 macro-F1 appears across all baselines, including a graph-aware model that recognizes best yet does not close the gap, indicating a structural property of the benchmark rather than a model artifact. A logic-free baseline still violates the held-out semantic rules above their intrinsic data rate, and the order-destroying control changes macro-F1 within seed variation, serving as a generator-consistency check. Theontology, transition model, and generator are released so the benchmark can beregenerated and extended.
• Abstract（参考訳）: アトミックアクションからロングホライズンインテンションまで、抽象レベルを越えて人間の振る舞いを認識するには、セマンティック階層に沿ってアノテートされたデータが必要である。 大きなコーパスは、時間的組成のない孤立した原子ラベルのクリップを提供するが、記録された複合活性コーパスは浅い、ドメインが狭い固定階層を提供する。 平らなシングルラベルアクションコーパスから、アクション、アクティビティ、低レベル意図(LLI)、高レベル意図(HLI)の4段階階層型インテンションベンチマークを合成し、実際の事前抽出された特徴をアクションレベルで保持するベンチマーク生成および評価フレームワークを提案する。 エピソードは、被写体一貫性制約の下で遷移モデルにより組み立てられ、カバーアウェアサンプリング器は、被写体使用量Giniを0.566から0.248に削減する。 このようなベンチマークを合成すると、記録されたデータセットが避ける円形のスーパービジョンリスクが上昇する。エピソードを生成するルールが評価も支配している場合、モデルは真の推論によってではなく、ジェネレータを回復することで成功する。 妥当性は設計によって対処され、シーケンス生成規則は評価に使用される一階述語規則とは相容れない。 演出は15,002話。 異なるモデルファミリーの4つの基準ベースラインは、認識方法としてではなく、難易度を特徴付けている。 構成的ホールドアウトギャップ0.13から0.17マクロ-F1はすべてのベースラインにわたって現れ、例えばグラフ認識モデルでは、最良を認識してもギャップを閉じていないため、モデルアーチファクトではなく、ベンチマークの構造的特性を示している。 ロジックフリーのベースラインは、固有のデータレート以上の保持されたセマンティックルールに違反しており、オーダーデストロイヤー制御は、シード変数内でマクロF1を変更し、ジェネレータ一貫性チェックとして機能する。 セオノロジー、トランジションモデル、ジェネレータがリリースされ、ベンチマークが再生成され拡張される。

関連論文リスト

• DeepInsight II: One Trace from Benchmark to Robot [8.388561928330978]
  DeepInsight IIは、その基板を固定し、エンボディされたハーフを定量化する。 MotionBenchは、リリースされている4つのボディコントローラを1つのワークロードとメトリックコントラクトの下に配置する。 合成されたシステム2--1--0の研究は、トレースの局在を5つのエビデンスグラウンドのハンドオフラベルに拡張する。
  論文  参考訳（メタデータ） (2026-08-17T13:25:24Z)
• Structuring Semantic Embeddings for Principle Evaluation: A Prototype-Guided Contrastive Learning Approach [58.15427952222424]
  汎用的なテキスト埋め込みはそのようなタスクに広くデプロイされているが、意味的類似性は意味的に似ているがタスク固有の例を示すことができる。 本稿では,凍結したテキスト埋め込み上に構築された幾何正規化モジュールであるPGCL(Prototype-Guided Contrastive Learning)を紹介する。
  論文  参考訳（メタデータ） (2026-08-15T13:19:25Z)
• SERUM: State Extraction and Refinement for User Modeling [17.94894550460533]
  本研究では,非構造化エゴセントリックビデオから直接有限状態挙動モデルを抽出するフレームワークであるSERUMを提案する。 ラベル列に一階マルコフモデルを適用することにより,行動構造を評価する。 1) 反復ラベルリファインメントは,数回のパス後に平衡と呼ばれる安定な状態語彙に収束し,(2) 正規化されたマルコフモデルは,周波数ベースラインよりもはるかに低いパープレキシティと高い動作予測を達成し,(3) 人間のアノテータは最終パスラベルを,第1パスラベルよりも正確かつ有意義に改善したと評価する。
  論文  参考訳（メタデータ） (2026-07-31T09:02:33Z)
• Controller-Augmented Hidden Markov Models: A Computational Framework for Constrained Sequential Inference [0.0]
  本稿では Controller-Augmented Hidden Markov Models (CHMM) を提案する。 CHMMは、最小限の十分な履歴を追跡する有限状態コントローラに各制約をコンパイルするフレームワークである。 3つの実世界のシークエンスラベルタスクにおいて,CHMMを6つの代替デコーダに対して評価する。
  論文  参考訳（メタデータ） (2026-06-11T19:29:09Z)
• Hacking Generative Perplexity: Why Unconditional Text Evaluation Needs Distributional Metrics [49.443264461057645]
  拡散および連続フローベースの言語モデルは、言語モデリングに対する非自己回帰的な主要な代替手段として現れている。 両方のパラダイムの進歩は、生成的複雑度(gen-PPL)によって圧倒的に追跡される。 我々は、この指標は正しくないと主張している。構築により、gen-PPLは、文法性やセマンティックコヒーレンスではなく、スコアARの下でのみ予測可能性を測定する。
  論文  参考訳（メタデータ） (2026-06-07T02:35:56Z)
• Cross-domain benchmarks reveal when coordinated AI agents improve scientific inference from partial evidence [1.1458853556386797]
  コーディネートされたAIエージェントが、より単純な科学的証明タスクよりも価値を付加するかどうかを評価する。 例えば、分子構造を音楽表現にマッピングし、科学における歴史的パラダイムシフトを検知し、トランジット・太陽系外惑星候補を審査する。 結果: 異なる分野がそれぞれ現象の一部のみを捕捉すると, クロスチャネルコンポジットは単一チャネルベースラインよりも改善する。
  論文  参考訳（メタデータ） (2026-05-21T10:46:50Z)
• CasualSynth: Generating Structurally Sound Synthetic Data [44.80087038178069]
  大言語モデル(LLM)は、現実的な合成データを生成するが、その出力がターゲットドメインを管理する因果的メカニズムを尊重することを保証しない。 本稿では,意味的実現から因果構造の生成を分離するフレームワークCausal Synthを紹介し,因果的妥当性と言語学的にリッチな合成データを生成する。
  論文  参考訳（メタデータ） (2026-05-17T16:21:01Z)
• Self-Improving Tabular Language Models via Iterative Group Alignment [76.43372236405664]
  自動フィードバックによるデータ生成のための,最初の自己改善フレームワークであるTabGRAAを紹介する。 新たに生成されたサンプルを高品質なグループと低品質なグループに分割し、グループ相対的な有利な目標を優先順位付けする。 実験では、TabGRAAは、忠実さ、ユーティリティ、プライバシにおいて、既存のメソッドよりも優れています。
  論文  参考訳（メタデータ） (2026-04-21T01:29:52Z)
• Synthetic Tabular Generators Fail to Preserve Behavioral Fraud Patterns: A Benchmark on Temporal, Velocity, and Multi-Account Signals [0.0]
  本研究では,4つの行動不正パターン(P1-P4)の分類法を定式化し,事象間タイミング,バースト構造,マルチアカウントグラフモチーフ,速度ルールトリガ率について検討した。 我々は、IEEE-CIS Fraud DetectionとAmazon FraudデータセットでCTGAN、TVAE、GaussianCopula、TabularARGNをベンチマークした。 P1-P4フレームワークは、医療やネットワークセキュリティを含む、エンティティレベルのシーケンシャルデータを持つ任意のドメインに拡張する。
  論文  参考訳（メタデータ） (2026-04-13T19:36:00Z)
• IMPACT: A Dataset for Multi-Granularity Human Procedural Action Understanding in Industrial Assembly [79.737814043505]
  IMPACTは、デプロイメント指向の産業手続き的理解のための5ビューのRGB-Dデータセットである。 実際の組み立てと、プロ向けのツールを備えた商業用アングルグラインダーの分解を中心に構築されている。
  論文  参考訳（メタデータ） (2026-04-12T02:09:19Z)
• Time-series Generation by Contrastive Imitation [87.51882102248395]
  モーメントマッチングの目的によってモチベーションされ、複合的エラーを軽減し、局所的(しかし前方的な)遷移ポリシーを最適化する。 推論において、学習されたポリシーは反復的なサンプリングのジェネレータとして機能し、学習されたエネルギーはサンプルの品質を評価するための軌道レベル尺度として機能する。
  論文  参考訳（メタデータ） (2023-11-02T16:45:25Z)
• Neighbour Consistency Guided Pseudo-Label Refinement for Unsupervised Person Re-Identification [80.98291772215154]
  教師なしの人物再識別(ReID)は、アノテーションを使わずに人物検索のための識別的アイデンティティの特徴を学習することを目的としている。 近年の進歩はクラスタリングに基づく擬似ラベルを活用することで実現されている。 本稿では, Pseudo Label Refinement フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-30T09:39:57Z)
• GSMFlow: Generation Shifts Mitigating Flow for Generalized Zero-Shot Learning [55.79997930181418]
  Generalized Zero-Shot Learningは、目に見えないクラスから見えないクラスに意味的な知識を移すことで、目に見えないクラスと見えないクラスの両方から画像を認識することを目的としている。 生成モデルの利点を生かして、見学したクラスから学んだ知識に基づいて、現実的な見知らぬサンプルを幻覚させることは、有望な解決策である。 本研究では,複数の条件付きアフィン結合層からなるフローベース生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-05T04:04:37Z)

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。