論文の概要: EvoSherlock: Towards Agentic Lifelong Evolution for Unseen Long-Tailed Security-Critical Events in Videos

• arxiv url: http://arxiv.org/abs/2609.19201v1
• Date: Wed, 16 Sep 2026 09:05:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.938614
• Title: EvoSherlock: Towards Agentic Lifelong Evolution for Unseen Long-Tailed Security-Critical Events in Videos
• Title（参考訳）: EvoSherlock:ビデオの長めのセキュリティ批判イベントのためのエージェント寿命進化を目指す
• Abstract要約: 現実のセキュリティクリティカルなイベントは、長い尾のディストリビューションに従っており、新しいタイプが継続的に出現し、クリティカルなセキュリティイベントは、わずかにサンプルを提供するだけである。 我々はこのギャップを、ビデオ中の長期セキュリティ批判イベントのための textbfLifelong Evolving Task (boldmath$L2$-SCE) として定式化する。 自己反射型クローズドループ制御を備えたtextbfAgentic Controller により,エンド・ツー・エンドで編成された因果拡張アプローチである textbfmethod を提案する。
• 参考スコア（独自算出の注目度）: 7.4402968418480055
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing Security-oriented Video Understanding (SVU) systems assume a \emph{closed world}, \ie static category sets, abundant labels, and the premise that all event types are known upfront. Real-world security-critical events break these assumptions: they follow long-tailed distributions, new types emerge continuously, and critical security events may offer only a few samples. We formalize this gap as \textbf{Lifelong Evolving Task for Long-Tailed Security-Critical Events in Videos ({\boldmath$L^2$}-SCE)}, a new task that requires VLMs to continually classify and temporally localize newly emerging security-critical events from scarce samples without forgetting previously learned events. Furthermore, \task reveals two critical challenges: (1)~\textbf{Intra-Event Scarcity}, where extreme data scarcity may weaken both classification and temporal localization for new events, and (2)~\textbf{Inter-Event Interference}, where cross-event feature entanglement and representation drift may strengthen catastrophic forgetting. On this basis, we propose \textbf{\method}, a causal-enhanced approach orchestrated end-to-end by an \textbf{Agentic Controller} with self-reflective closed-loop control, which includes two core modules: the Intra-Event \textbf{C}ausal \textbf{V}ideo \textbf{G}eneration module (\textbf{CVG}) and the Inter-Event \textbf{C}ausal \textbf{D}ecoupling and \textbf{A}lignment module (\textbf{CDA}), to address the above two challenges, respectively. Especially, this paper constructs a \task dataset to simulate real-world incremental conditions. Extensive experiments on our benchmark demonstrate the advantages of \method over several advanced baselines. These justify the importance of the proposed \task and the effectiveness of \method in classifying and temporally localizing emerging security-critical events from scarce samples.
• Abstract（参考訳）: 既存のセキュリティ指向ビデオ理解(SVU)システムでは、emph{closed world}, \ie static category set, rich label, and thepremises of all event types are known upfront。 現実のセキュリティクリティカルなイベントは、これらの前提を破り、長い尾のディストリビューションをフォローし、新しいタイプが継続的に出現し、重要なセキュリティイベントは少数のサンプルのみを提供する。 我々は、このギャップをビデオ中の長期セキュリティクリティカルイベントのためのタスクとして、VLMが未学習のイベントを忘れずに、新しく出現するセキュリティクリティカルイベントを継続的に分類し、時間的にローカライズすることを要求する新しいタスクとして定式化する。 さらに,(1)～\textbf{Intra-Event Scarcity},(2)～\textbf{Inter-Event Interference},(2)～\textbf{Inter-Event Interference},(2)～\textbf{Intra-Event Scarcity}の2つの重要な課題が明らかにされている。 そこで本研究では, 自己回帰型閉ループ制御を組み込んだ因果的に拡張されたアプローチである \textbf{\method} を提案し, 2つのコアモジュール, Intra-Event \textbf{C}ausal \textbf{V}ideo \textbf{G}eneration module (\textbf{CVG}) とInter-Event \textbf{C}ausal \textbf{D}ecoupling と \textbf{A}lignment module (\textbf{CDA}) について述べる。 特に本論文では,実世界の漸進条件をシミュレートするために, \task データセットを構築した。 我々のベンチマークでの大規模な実験は、いくつかの先進的なベースラインに対して \method の利点を実証している。 これらのことは、提案された \task の重要性と、希少なサンプルから出現するセキュリティクリティカルな事象を分類し、時間的に局所化する \method の有効性を正当化する。

関連論文リスト

• Hypergraph-Enhanced Training-Free and Language-Free Few-Shot Anomaly Detection [12.830809328012164]
  FSAD (Few-shot Anomaly Detection) は大きな進歩を遂げているが、既存の手法は依然として重大な課題に直面している。 トレーニングフリーで、言語フリーで、ドメイン間で堅牢な新しいFSADフレームワークであるHyperFSADを紹介します。 厳格なトレーニングフリーと言語フリーの設定の下で、HyperFSADは6つのデータセットで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-05-11T14:20:22Z)
• SecInfer: Preventing Prompt Injection via Inference-time Scaling [54.21558811232143]
  emphSecInferは,インセンジェンス時間スケーリングに基づくインジェクション攻撃に対する新しい防御法である。 SecInferは、既存のインジェクション攻撃と適応的なインジェクション攻撃の両方を効果的に軽減し、最先端の防御と既存の推論時間スケーリングアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-29T16:00:41Z)
• Stepwise Decomposition and Dual-stream Focus: A Novel Approach for Training-free Camouflaged Object Segmentation [9.862714096455175]
  我々は、textbfMultimodal textbfStepwise textbfDecomposition Chain of Thought (MSD-CoT) を介して textbfRegion-constrained textbfDual-stream textbfVisual textbfPrompting (RDVP) を相乗化する新しいトレーニングフリーなテスト時間適応フレームワークを提案する。 RDVPは、前景と背景点の視覚的プロンプトを視覚的および独立的にサンプリングする空間的制約を注入し、意味的相違を効果的に緩和する
  論文  参考訳（メタデータ） (2025-06-07T14:50:26Z)
• Denoising and Alignment: Rethinking Domain Generalization for Multimodal Face Anti-Spoofing [47.24147617685829]
  Face Anti-Spoofing (FAS) は、多様なシナリオにおける顔認識システムのセキュリティに不可欠である。 我々はtextbfMultitextbfmodal textbfDenoising と textbfAlignment (textbfMMDA) フレームワークを紹介する。 CLIPのゼロショット一般化機能を活用することで、MMDAフレームワークはマルチモーダルデータのノイズを効果的に抑制する。
  論文  参考訳（メタデータ） (2025-05-14T15:36:44Z)
• Double Mixture: Towards Continual Event Detection from Speech [60.33088725100812]
  音声イベント検出は、セマンティックイベントと音響イベントの両方のタグ付けを含むマルチメディア検索に不可欠である。 本稿では, 音声イベント検出における主な課題として, 過去の出来事を忘れることなく新たな事象を連続的に統合すること, 音響イベントからの意味のゆがみについて述べる。 本稿では,適応性を向上し,忘れることを防止するために,音声の専門知識と堅牢な記憶機構を融合する新しい手法「ダブルミキチャー」を提案する。
  論文  参考訳（メタデータ） (2024-04-20T06:32:00Z)
• Coupling Global Context and Local Contents for Weakly-Supervised Semantic Segmentation [54.419401869108846]
  Weakly Supervised Semantic (WSSS)モデルを提案する。 グローバルなオブジェクトコンテキストを異なる粒度空間でキャプチャするために,フレキシブルなコンテキストアグリゲーションモジュールを提案する。 局所的な細粒度を集約するために、ボトムアップパラメータ学習可能な方法で意味的に一貫した特徴融合モジュールを提案する。
  論文  参考訳（メタデータ） (2023-04-18T15:29:23Z)

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。