論文の概要: Concentrate After Imagination: Text-Conditioned Evidence Grounding for Partially Relevant Video Retrieval
- arxiv url: http://arxiv.org/abs/2609.08999v1
- Date: Tue, 08 Sep 2026 16:37:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 15:09:37.673851
- Title: Concentrate After Imagination: Text-Conditioned Evidence Grounding for Partially Relevant Video Retrieval
- Title（参考訳）: イマジネーション後の集中:部分的関連ビデオ検索のためのテキスト記述された証拠グラウンド
- Abstract要約: 関連のあるビデオ検索は、クエリーが短い瞬間だけを記述すると、未トリミングされたビデオを検索する。
本稿では,PRVRのためのスコアレベルのエビデンス検証演算子TRACEを提案する。
ActivityNet Captions、Charades-STA、TVRでは、TRACEは3つのベンチマークで最高のSumRを達成する。
- 参考スコア（独自算出の注目度）: 27.64333612353748
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Partially Relevant Video Retrieval (PRVR) retrieves untrimmed videos when queries describe only short moments. Although recent methods improve local representations, uncertainty modeling, and global context, final ranking often still trusts the strongest local response; a coincidentally similar fragment can therefore produce an unsupported peak. We identify this failure as the query-agnostic concentration bottleneck and propose TRACE, a score-level evidence verification operator for PRVR. Given a query and global video registers, TRACE activates query-relevant registers, routes their support to frame-level evidence, and smoothly marginalizes alternative query-to-register-to-frame paths before localized temporal selection. Unlike representation-level feature fusion, TRACE uses this evidence only as a query-conditioned residual calibration of the original local score. On ActivityNet Captions, Charades-STA, and TVR, TRACE achieves the best SumR on all three benchmarks and improves the DreamPRVR backbone by 1.2, 1.1, and 1.5 points, respectively. Ablation, routing-corruption, hard-negative, and cross-backbone transfer analyses support the interpretation that the gains arise from query-conditioned evidence verification rather than a generic score offset.
- Abstract（参考訳）: 部分関連ビデオ検索(PRVR)は、クエリが短い瞬間だけを記述すると、未トリミングされたビデオを検索する。
最近の手法は局所表現、不確実性モデリング、グローバルコンテキストを改善するが、最終ランク付けはしばしば最も強い局所応答を信頼する。
我々は,この障害をクエリ非依存の集中ボトルネックとして認識し,PRVRのためのスコアレベルの証拠検証演算子であるTRACEを提案する。
クエリとグローバルなビデオレジスタが与えられたら、TRACEはクエリ関連レジスタを起動し、フレームレベルのエビデンスにサポートをルーティングし、局所化された時間選択の前に別のクエリから登録までのパスをスムーズにマージする。
表現レベルの特徴融合とは異なり、TRACEはこの証拠をクエリ条件付き局所スコアの残留キャリブレーションとしてのみ使用する。
ActivityNet Captions、Charades-STA、TVRでは、TRACEは3つのベンチマークで最高のSumRを獲得し、DreamPRVRバックボーンを1.2、 1.1、1.5ポイント改善している。
アブレーション、ルーティングの破損、ハード-負、クロス-バックボーンの転送解析は、一般的なスコアオフセットではなく、クエリ条件付きエビデンス検証から得られる利得の解釈を支持する。
関連論文リスト
- Multi-Agent Self-Improving Reinforcement Learning for Video Reasoning [45.361080098317665]
グラウンドドビデオ質問応答や時間的グラウンド化のようなビデオ推論タスクは、クエリをサポートする時間的エビデンスを選択する必要がある。
凍結検証器がトレーニングをガイドできるかどうかについて検討する。
我々のフレームワークは、トレーニング可能なEmphGrounderと凍結したEmphVerifierを結合する: Grounderは候補の軌跡とエビデンスセグメントをサンプリングする。
論文 参考訳（メタデータ） (2026-08-25T07:46:32Z) - R^3: Composed Video Retrieval via Reasoning-Guided Recalling and Re-ranking [73.0537447183962]
本稿では、Reasoning-guided Recalling and Re rankを中心に構築されたゼロショット合成ビデオ検索パイプラインを提案する。
モデルは、編集を適用した後、期待されるターゲットビデオを記述する推論トレースを生成する。
この課題に対処する上で,本手法の有効性を実証した。
論文 参考訳（メタデータ） (2026-05-31T09:20:53Z) - Fewer Steps, Better Performance: Efficient Cross-Modal Clip Trimming for Video Moment Retrieval Using Language [60.91064560080974]
本稿では,クエリ関連クリップをトリムするスポットVMRを提案する。
提案するSpotVMRは,最新のVMR手法の効率性を実現するプラグイン・アンド・プレイモジュールとして機能する。
論文 参考訳（メタデータ） (2026-05-28T11:42:28Z) - Lost in the Evidence? Reproducing Document Position and Context Size Effects in RAG [3.597778914286147]
Retrieval-Augmented Generation (RAG) システムは、取得した文書がモデルの入力コンテキストに入力されることに依存する。
先行研究は、中年期の喪失や関連する長文現象のような位置に基づく効果を報告している。
トピックサンプリングが分散の主要な原因であることを示し、小さなトピックセットはオーダリング効果を誇張することができる。
また,より現実的なRAGシナリオについて検討した。
論文 参考訳（メタデータ） (2026-05-26T14:44:19Z) - FRESCO: Benchmarking and Optimizing Re-rankers for Evolving Semantic Conflict in Retrieval-Augmented Generation [73.22935457705057]
時間的動的文脈における再ランカ評価のためのベンチマークであるFRESCOを紹介する。
レクエンシ検索クエリと過去のウィキペディアのリビジョンを組み合わせることで、FRESCOは、セマンティックな関連性を維持しながら、リランカが事実として最新の証拠を優先順位付けできるかどうかをテストする。
我々の評価では、既存の再ランカ間で一貫した障害モードが明らかになっている。
論文 参考訳（メタデータ） (2026-04-14T17:04:25Z) - Robust Test-time Video-Text Retrieval: Benchmarking and Adapting for Query Shifts [28.52079785516312]
ビデオテキスト検索(VTR)モデルは、現実世界のクエリシフトに対して非常に脆弱である。
本稿では,HAT-VTR(Hubness Alleviation for Test-time Video-Text Retrieval)をベースラインテストタイム適応フレームワークとして提案する。
大規模な実験により、HAT-VTRはロバスト性を大幅に改善し、さまざまなクエリシフトシナリオで一貫してメソッドのパフォーマンスが向上することが示された。
論文 参考訳（メタデータ） (2026-02-15T05:57:44Z) - RANKVIDEO: Reasoning Reranking for Text-to-Video Retrieval [99.33724613432922]
本稿では,ビデオ検索のための推論に基づくリランカであるRANKVIDEOを紹介する。
RANKVIDEOは、関連性を評価するためにビデオコンテンツを使用するクエリ-ビデオペアを明示的に理由付けている。
大規模なMultiVENT 2.0ベンチマークの実験では、RANKVIDEOは2段階のフレームワーク内での検索性能を一貫して改善している。
論文 参考訳（メタデータ） (2026-02-02T18:40:37Z) - Sim-DETR: Unlock DETR for Temporal Sentence Grounding [104.78823923373784]
時間文グラウンドディングは、与えられたテキストクエリに対応するビデオ内の正確なモーメントを特定することを目的としている。
DETRを強化するために設計された典型的な戦略は改善せず、その課題における性能を低下させる可能性さえある。
2つの小さな修正を加えて標準DETRを拡張するSim-DETRを提案する。
論文 参考訳（メタデータ） (2025-09-28T13:21:10Z) - Ranking Free RAG: Replacing Re-ranking with Selection in RAG for Sensitive Domains [13.58151841630302]
本稿では,RAGにおける再ランク付けを合理的な選択手法で置き換える新しい方法であるMETEORAを提案する。
METEORAは、最先端の再評価手法よりも約50%少ないチャンクを使用しながら、生成精度を33.34%向上させる。
敵対的な設定では、METEORAはF1スコアを0.10から0.44に大幅に改善する。
論文 参考訳（メタデータ） (2025-05-21T20:57:16Z) - Query-Dependent Video Representation for Moment Retrieval and Highlight
Detection [8.74967598360817]
MR/HDの主な目的は、あるテキストクエリに対して、モーメントをローカライズし、クリップワイドアコーディネートレベル、すなわち、サリエンシスコアを推定することである。
最近のトランスフォーマーベースのモデルは、与えられたクエリの情報を完全に活用していない。
本稿ではMR/HDに適した検出変換器であるQuery-Dependent DETR(QD-DETR)を紹介する。
論文 参考訳（メタデータ） (2023-03-24T09:32:50Z) - 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)
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。