論文の概要: BodyCam-VQA: Enhanced Body-Worn Camera Video Captioning via Multimodal Reasoning and Probe Question Generation

• arxiv url: http://arxiv.org/abs/2609.10815v1
• Date: Wed, 09 Sep 2026 20:37:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.136807
• Title: BodyCam-VQA: Enhanced Body-Worn Camera Video Captioning via Multimodal Reasoning and Probe Question Generation
• Title（参考訳）: BodyCam-VQA:マルチモーダル推論と探究質問生成によるボディワークカメラビデオキャプションの強化
• Abstract要約: 本稿では,高精細度法執行のために設計された適応型視覚質問応答(VQA)フレームワークを提案する。 我々のフレームワークは、従来のキャプションシステムがキャプチャーに失敗する、きめ細かい視覚的証拠を抽出する構造的推論手法を採用している。 我々の結果は、このVQA駆動アーキテクチャがより信頼性が高く、客観的で、より詳細な実行イベントの記録を提供することを示した。
• 参考スコア（独自算出の注目度）: 23.26155549453316
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Police body-worn camera (BWC) footage has emerged as a critical aspect of law enforcement that ensures legal transparency, officer accountability, and the protection of civil rights. However, effectively processing this data remains a significant challenge due to its multimodal video format. BWC videos, in many cases, comprise chaotic scenes with low visual quality, rapid movement/interactions, and high-noise audio that make visual understanding a challenge for even SOTA multimodal models. Current Vision-Language Models (VLMs) frequently overlook critical forensic details, such as the presence of valuable evidence or the latent nuances of suspect-officer interactions, which are vital for fair legal outcomes and civilian/officer safety. To address these limitations, we propose an Adaptive Visual Question Answering (VQA) framework engineered for high-stakes law enforcement. Our framework employs a structured reasoning approach to extract fine-grained visual evidence that traditional captioning systems fail to capture. We experiment with multiple question generation models, including foundation models and fine-tuned open-weight models, to observe performance variation among question generation model implementations. Our results demonstrate that this VQA-driven architecture provides a more reliable, objective, and detailed record of enforcement events, ultimately serving as a powerful tool to protect both law enforcement officers and the public through AI-assisted forensic clarity.
• Abstract（参考訳）: 警察のボディウーンカメラ(BWC)の映像は、法執行機関の重要な側面として現れ、法的な透明性、役員の責任、公民権の保護が保証されている。 しかし、このデータを効果的に処理することは、そのマルチモーダルビデオフォーマットが大きな課題である。 BWCビデオは、多くの場合、視覚的品質の低いカオス的なシーン、迅速な動き/インタラクション、高雑音のオーディオで構成されており、SOTAマルチモーダルモデルでさえも視覚的理解が困難である。 現代のヴィジュアル・ランゲージ・モデル(VLM)は、貴重な証拠の存在や、公正な法的結果や民間/公務員の安全のために不可欠である疑似犯罪者の相互作用の潜伏したニュアンスなど、重要な法医学的詳細をしばしば見落としている。 これらの制約に対処するために,高精細法執行のために設計された適応型視覚質問応答(VQA)フレームワークを提案する。 我々のフレームワークは、従来のキャプションシステムがキャプチャーに失敗する、きめ細かい視覚的証拠を抽出する構造的推論手法を採用している。 基礎モデルや細調整されたオープンウェイトモデルを含む複数の質問生成モデルを用いて,質問生成モデル実装の性能変動を観察する。 我々の結果は、このVQA駆動アーキテクチャにより、より信頼性が高く、客観的で詳細な執行イベントの記録が提供され、最終的には、AI支援の法医学的明確性を通じて、法執行官と一般の人々を保護する強力なツールとして機能することを示した。

関連論文リスト

• Technical Report on the CVPR 2026@AdvML Workshop Challenge [212.8018524968403]
  視覚言語エージェント(VLA)は、複雑な運転シーンを解釈し、安全クリティカルな推論をサポートするためにますます使われている。 CVPR 2026@AdvML Workshop Challenge on adversarial multimodal attack against autonomous-driving VLAs。
  論文  参考訳（メタデータ） (2026-07-13T13:42:48Z)
• Act2See: Emergent Active Visual Perception for Video Reasoning [70.52373240573856]
  VLM(Vision-Language Models)は通常、ビデオの推論に静的な初期フレームに依存している。 本稿では,アクト・ツー・シー(Act2See)という,アクティブな視覚知覚を実現する新しいフレームワークを紹介する。
  論文  参考訳（メタデータ） (2026-05-03T00:52:51Z)
• LensWalk: Agentic Video Understanding by Planning How You See in Videos [45.81048261339695]
  我々はLensWalkを紹介した。LensWalkは、大規模言語モデル推論器が自身の視覚的観察を積極的に制御できるようにするフレキシブルなエージェントフレームワークである。 LensWalkは、エージェントが各ステップで、観察するビデオの時間的スコープとサンプリング密度を動的に特定する、厳密な理由-計画-観測ループを確立する。
  論文  参考訳（メタデータ） (2026-03-25T17:38:54Z)
• Video-LMM Post-Training: A Deep Dive into Video Reasoning with Large Multimodal Models [78.32948112203228]
  ビデオ理解はコンピュータビジョンにおける最も困難なフロンティアである。 近年,映像理解タスクにおいて,映像多時間モデルが顕著に出現している。 Surveyは、ビデオ-LMM能力を向上するための統一的なフレームワークを研究者や実践者に提供することを目的としている。
  論文  参考訳（メタデータ） (2025-10-06T17:10:44Z)
• Unlocking Vision-Language Models for Video Anomaly Detection via Fine-Grained Prompting [17.850029260662648]
  本稿では,ビデオ異常検出のための構造化プロンプトフレームワークであるASK-Hintを提案する。 提案手法は, セマンティック・コヒーレントなグループにプロンプトを整理し, きめ細かい案内質問を定式化する。 UCF-CrimeとXD-Violenceの実験では、ASK-Hintは以前のベースラインよりも一貫してAUCを改善している。
  論文  参考訳（メタデータ） (2025-10-02T16:06:31Z)
• ReAgent-V: A Reward-Driven Multi-Agent Framework for Video Understanding [71.654781631463]
  ReAgent-Vは、新しいエージェントビデオ理解フレームワークである。 推論中に効率の良いフレーム選択とリアルタイムの報酬生成を統合する。 12のデータセットに対する大規模な実験は、一般化と推論において大きな成果を上げている。
  論文  参考訳（メタデータ） (2025-06-02T04:23:21Z)
• Prompting Video-Language Foundation Models with Domain-specific Fine-grained Heuristics for Video Question Answering [71.62961521518731]
  HeurVidQAは、ドメイン固有のエンティティアクションを利用して、事前訓練されたビデオ言語基盤モデルを洗練するフレームワークである。 我々のアプローチでは、これらのモデルを暗黙の知識エンジンとして扱い、ドメイン固有のエンティティアクションプロンサを使用して、推論を強化する正確な手がかりにモデルを焦点を向けます。
  論文  参考訳（メタデータ） (2024-10-12T06:22:23Z)
• JOSENet: A Joint Stream Embedding Network for Violence Detection in Surveillance Videos [4.94659999696881]
  監視ビデオにおける暴力検出は、様々な実戦シーンのような追加の問題を提示する。 本稿では、監視ビデオにおける暴力検出に優れたパフォーマンスを提供する自己監視フレームワークJOSENetを紹介する。
  論文  参考訳（メタデータ） (2024-05-05T15:01:00Z)
• Multi-Modal Video Forensic Platform for Investigating Post-Terrorist Attack Scenarios [55.82693757287532]
  大規模ビデオ分析プラットフォーム(VAP)は、容疑者を特定し証拠を確保するために法執行機関(LEA)を支援する。 本稿では,視覚・音声分析モジュールを統合し,監視カメラからの情報と目撃者からの映像アップロードを融合するビデオ分析プラットフォームを提案する。
  論文  参考訳（メタデータ） (2020-04-02T14:29:27Z)

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。