論文の概要: Beyond a Scalar: Distributional Serving Interfaces for Watch-Time Prediction

• arxiv url: http://arxiv.org/abs/2609.28383v1
• Date: Wed, 23 Sep 2026 16:57:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:18.126796
• Title: Beyond a Scalar: Distributional Serving Interfaces for Watch-Time Prediction
• Title（参考訳）: Beyond a Scalar: ウォッチタイム予測のための分散サービングインターフェース
• Abstract要約: 視聴時間は短いビデオフィードの主要なエンゲージメント信号であり、その予測はランキングや露出に直接影響を及ぼす。 既存の方法は、時間バイアスを補正したり、よりリッチな分布をモデル化することで、監視時間の予測を改善する。 本稿では、分散プロバイダ、コンパクトで低次元の要約、各タスクに適した軽量な読み出し機能を備えた分散サービングインタフェース(DSI)を提案する。
• 参考スコア（独自算出の注目度）: 9.334948958049315
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Watch time is the primary engagement signal in short video feeds, and its prediction directly affects ranking and exposure. Existing methods improve watch time prediction by correcting duration bias or modeling richer distributions, but most expose only an expected or debiased watch time at serving time. Even when video duration is available to later models, the interface gives only one estimate of watch time and no probabilities for completion, overplay, or other regions relevant to downstream tasks. To address this limitation, we propose the Distributional Serving Interface (DSI), which has a distribution provider, a compact, low-dimensional summary, and lightweight readouts tailored to each task. The provider learns a joint distribution over four watch states derived from watch ratio and their event times; rules based on video duration remove incompatible combinations, while a restoration loss preserves accuracy in seconds. The summary reduces this distribution to a small set of event probabilities, time scales relative to duration, and uncertainty statistics. After training the provider, we fix its parameters and train value and ranking readouts that combine the summary with raw context. Across KuaiRec, KuaiRand-1K, and WeChat21, the complete DSI system achieves the lowest MAE on all three datasets, beating the strongest result among nine baselines by 1.9% to 8.5%, and achieves the best XAUC on two. It also leads retrieval metrics that account for video duration when complete systems are compared. With matched readouts held constant, the summary retains information relevant to each task beyond a predicted mean paired with video duration. Using the same lightweight linear heads for each new target, it also performs best on two new watch-time targets and improves a separately logged engagement target, while a randomly initialized provider does not reproduce this gain.
• Abstract（参考訳）: 視聴時間は短いビデオフィードの主要なエンゲージメント信号であり、その予測はランキングや露出に直接影響を及ぼす。 既存の方法は、時間バイアスを補正したり、よりリッチな分布をモデル化することで、監視時間の予測を改善する。 後続のモデルでビデオの長さが利用できる場合でも、インターフェースは1つのウォッチタイムの見積しか提供せず、ダウンストリームタスクに関連する完了、オーバープレイ、その他の領域の確率は提供されない。 この制限に対処するために、分散プロバイダ、コンパクトで低次元の要約、および各タスクに適した軽量な読み出し機能を備えた分散サービングインタフェース(DSI)を提案する。 提供者は、ウォッチ比とそのイベント時間から導かれる4つのウォッチ状態に対する共同分布を学習し、ビデオ時間に基づくルールは、互換性のない組み合わせを排除し、復元損失は、数秒で精度を維持する。 この要約は、この分布を、少数の事象確率、時間に対する時間スケール、不確実性統計に還元する。 プロバイダをトレーニングした後、パラメータを修正し、値をトレーニングし、要約と生のコンテキストを組み合わせた読み出しをランク付けします。 KuaiRec、KuaiRand-1K、WeChat21全体では、完全なDSIシステムは3つのデータセットで最低のMAEを達成する。 また、完全なシステムを比較する際にビデオの長さを計測する検索指標も導く。 一致した読み出しが一定に保持された場合、要約は、各タスクに関連する情報を、ビデオの長さに合わせた予測平均を超えて保持する。 新たなターゲット毎に同じ軽量なリニアヘッドを使用することで、2つの新しいウォッチタイムターゲットに対してベストを尽くし、個別にログされたエンゲージメントターゲットを改善する一方、ランダムに初期化されたプロバイダはこのゲインを再生しない。

関連論文リスト

• TimeLens2: Generalist Video Temporal Grounding with Multimodal LLMs [36.2604844032041]
  ビデオマルチモーダル大言語モデル(MLLM)は、ビデオ内で何が起こるかを記述することができるが、支持された証拠がいつ発生したかを特定することは滅多にない。 本研究では,ビデオの長さ,領域,クエリフォーム,視点をまたいだエビデンス間隔の変動心電図を1つのモデルで予測する一般的なビデオ時間的グラウンドについて検討する。 TimeLens2は、時間的エビデンスを、監督と最適化を通じて設定されたインターバルとして扱う。
  論文  参考訳（メタデータ） (2026-07-19T22:04:33Z)
• TIE: Time Interval Encoding for Video Generation over Events [50.66585165263848]
  ディレクタースタイルのプロンプト、ロボットアクション予測、インタラクティブなビデオエージェントは、同時イベントに対する時間的根拠を要求する。 現代のビデオジェネレータは、ポイントワイドな位置エンコーディングを通して、タイムを離散的なポイントとして表現する。 Time Interval TIEは、プラグイン・アンド・プレイ・インターバル・アウェアの一般化である。
  論文  参考訳（メタデータ） (2026-05-11T13:23:14Z)
• E.M.Ground: A Temporal Grounding Vid-LLM with Holistic Event Perception and Matching [87.38371267983263]
  時間的ビデオグラウンディングは、クエリイベントに対応する時間セグメントを正確にローカライズすることを目的としている。 E.M.GroundはTVGのための新しいVid-LLMで、総合的で一貫性のあるイベント知覚に焦点を当てている。 E.M.Ground は最先端の Vid-LLM を著しく上回っている。
  論文  参考訳（メタデータ） (2026-02-05T02:16:00Z)
• Generative Regression Based Watch Time Prediction for Short-Video Recommendation [36.95095097454143]
  短いビデオレコメンデーションシステムでは、時計の時間予測が重要なタスクとして現れている。 最近の研究は、連続時計時間推定を正規回帰タスクに変換することによって、これらの問題に対処しようとしている。 本稿では,WTPをシーケンス生成タスクとして再構成する新しい生成回帰(GR)フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-28T16:48:55Z)
• TimeRefine: Temporal Grounding with Time Refining Video LLM [75.99665302872901]
  ビデオの時間的接地は、テキストのプロンプトが与えられたビデオの中で、関連する時間的境界をローカライズすることを目的としている。 我々は時間的接地タスクを時間的精錬タスクとして再構成する。 我々は、予測セグメントが基底真理からさらに逸脱した場合、モデルをよりペナルティ化する補助予測ヘッドを組み込む。
  論文  参考訳（メタデータ） (2024-12-12T18:59:11Z)
• Transform-Equivariant Consistency Learning for Temporal Sentence Grounding [66.10949751429781]
  ビデオ毎により差別的な表現を学習するために,新しい同変一貫性規則学習フレームワークを導入する。 私たちのモチベーションは、クエリ誘導アクティビティの時間的境界を一貫して予測することにある。 特に,ビデオの完全性と滑らか性を高めるために,自己教師付き一貫性損失モジュールを考案した。
  論文  参考訳（メタデータ） (2023-05-06T19:29:28Z)
• Retrieval Based Time Series Forecasting [37.48394754614059]
  時系列データは、スマートトランスポートや環境モニタリングなど、さまざまなアプリケーションに現れる。 時系列解析の基本的な問題の1つは時系列予測である。 理論的にも実証的にも,関連する時系列を参照として検索することで,不確実性を効果的に低減できることを示す。
  論文  参考訳（メタデータ） (2022-09-27T16:43:55Z)
• 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。