論文の概要: SPACE: Sparse Predictive Attractor via Counterfactual Eviction for Streaming Video Memory

• arxiv url: http://arxiv.org/abs/2609.32592v1
• Date: Sat, 26 Sep 2026 13:11:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 05:53:04.897196
• Title: SPACE: Sparse Predictive Attractor via Counterfactual Eviction for Streaming Video Memory
• Title（参考訳）: SPACE:ビデオメモリストリーミングのための非現実的信念によるスパース予測アトラクタ
• Abstract要約: 本研究では,SPACE(Sparse Predictive Attractor via Counterfactual Eviction)を導入し,代替的エビテーション行動によって引き起こされる将来の表現を予測する。 カウンターファクチュアルユーティリティは将来の有用な代替品を識別し、遅い予測ベース幾何は回避可能なドリフトをいつ修正するかを決定する。 MABS-Benchは、一致した因果ストリームとメモリ予算の下で、将来のタスク満足度、レジスタ内予測安定性、遷移応答性、回復を評価する。
• 参考スコア（独自算出の注目度）: 26.40942862262398
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fixed-capacity streaming video memory requires repeated eviction decisions whose effects accumulate over time. Yet existing policies are evaluated primarily in terms of retained information or downstream accuracy, leaving how repeated updates alter the futures supported by memory largely unexamined. We define a memory's predictive state as the future representations supported by its retained history and formulate eviction as counterfactual control over transitions in this space. We introduce SPACE (Sparse Predictive Attractor via Counterfactual Eviction), which uses a frozen multi-horizon JEPA to predict the future representations induced by alternative eviction actions. Counterfactual utility identifies future-useful alternatives, while slow predictive-basin geometry determines when to correct avoidable drift and when to adapt to sustained predictive change, without online parameter updates. We further introduce MABS-Bench, which evaluates future-task sufficiency, within-regime predictive stability, transition responsiveness, and perturbation recovery under matched causal streams and memory budgets. Across multiple video datasets, SPACE yields consistent improvements in dataset-native task performance while reducing predictive-state drift.
• Abstract（参考訳）: 固定容量のストリーミングビデオメモリは、時間とともに効果が蓄積する繰り返しの消去決定を必要とする。 しかし、既存のポリシーは、主に保持情報または下流の精度で評価され、繰り返し更新がメモリがサポートする未来をどう変えるかはほとんど検討されていない。 メモリの予測状態は、その保持された履歴によって支えられる将来の表現として定義し、その空間における遷移に対する反実的な制御として、消去を定式化する。 本研究では,SPACE (Sparse Predictive Attractor via Counterfactual Eviction) を導入する。 カウンターファクト・ユーティリティは将来の有用な代替品を識別するが、遅い予測ベース幾何は、いつ回避可能なドリフトを正すべきか、いつオンラインパラメーター更新なしで持続的な予測変化に適応すべきかを判断する。 さらに,MABS-Benchを導入し,将来のタスク満足度,レジスタ内予測安定性,遷移応答性,摂動回復を一致した因果ストリームとメモリ予算で評価する。 複数のビデオデータセット全体で、SPACEは、予測状態のドリフトを低減しつつ、データセットネイティブなタスクパフォーマンスを一貫して改善する。

関連論文リスト

• SegDiff: Segmented Trajectory Diffusion for Consistent and Adaptive Robot Manipulation [65.81476183180527]
  両パラダイムの長所を統合するクローズドループビズモータポリシであるSegDiffを紹介する。 SegDiffはデモをキーセグメンテーション間で動作セグメントに分解し、現在の状態から次のキーセグメンテーションまでの連続的な軌跡を予測することを学習する。 SegDiffは、さまざまなシミュレートされた実世界のシナリオにおいて、既存のアプローチよりも大きなパフォーマンス向上を示している。
  論文  参考訳（メタデータ） (2026-07-13T02:48:03Z)
• MIITA: Memory-Induced Inference-Time Adaptation for Continual Learning with Small Language Models [64.2820121997882]
  MIITAはメモリ駆動型推論時間適応フレームワークである。 教師付きエクスペリエンスをセマンティックアンカーを備えたコンパクトな修正指向プロトタイプとして格納し、セマンティックおよび不確実性ベースのキューを使用して推論時にそれらを検索する。 実験により、MIITAは最終性能を継続的に改善し、固定メモリの予算下での忘れを軽減している。
  論文  参考訳（メタデータ） (2026-05-20T03:03:04Z)
• Relax Forcing: Relaxed KV-Memory for Consistent Long Video Generation [73.84423888025171]
  オートレグレッシブ(AR)ビデオ拡散は,近年,長大なビデオ生成において有望なパラダイムとして浮上している。 時間的劣化が進行しているため, 生成から微小スケールの地平線への延長は依然として困難であることを示す。 本稿では,AR拡散のための時間記憶機構であるRelax Forcingを紹介する。
  論文  参考訳（メタデータ） (2026-03-22T18:59:24Z)
• TempoFit: Plug-and-Play Layer-Wise Temporal KV Memory for Long-Horizon Vision-Language-Action Manipulation [16.28432866472846]
  我々は、状態レベルのメモリを通じて凍結したビジョン・ランゲージ・アクションポリシーをアップグレードする、トレーニング不要の時間的修正であるTempoFitを紹介する。 私たちの重要な洞察は、プレフィックスアテンションK/Vが、すでにモデルネイティブで、コンテンツ順応可能なランタイム状態を形成しています。 LIBERO-LONGでは、TempoFitは、ほぼリアルタイムのレイテンシを維持しながら、最大4.0%の成功率で、トレーニング済みの強いバックボーンを改善している。
  論文  参考訳（メタデータ） (2026-03-08T14:17:25Z)
• TS-Memory: Plug-and-Play Memory for Time Series Foundation Models [63.21390142212087]
  Time Series Foundation Models (TSFM) は大規模な事前訓練を通じて強力なゼロショット予測を実現する。 パラメトリック適応は破滅的な忘れを招き、非パラメトリック検索は予測を改善するが、データストア検索によってレイテンシが高くなる。 本稿では, TSFM を拡張した軽量メモリアダプタ TS-Memory としてParametric Memory Distillation を提案し,実装する。
  論文  参考訳（メタデータ） (2026-02-12T04:16:19Z)
• StreamAgent: Towards Anticipatory Agents for Streaming Video Understanding [52.55809460075286]
  本稿では,今後のタスク関連情報を含むと思われる時間間隔と空間領域を予測できるStreamAgentを提案する。 我々は,重要な出来事の時間的進行を予測するために,予測エージェントに期待を促すことによって,質問の意味論と歴史的観察を統合する。 提案手法は,応答精度とリアルタイム効率において既存の手法よりも優れており,実世界のストリーミングシナリオの実用的価値を強調している。
  論文  参考訳（メタデータ） (2025-08-03T18:15:42Z)
• Memory-enhanced Invariant Prompt Learning for Urban Flow Prediction under Distribution Shifts [37.905601736931615]
  本稿では,都市流予測のためのメモリ拡張不変確率学習(MIP)という新しいフレームワークを提案する。 MIPは学習可能なメモリバンクを備えており、空間時間グラフ内の因果的特徴を記憶するように訓練されている。 間欠的な変分プロンプトが設定されているため、予測のばらつきを最小限に抑えるために不変学習を用いる。
  論文  参考訳（メタデータ） (2024-12-07T04:35:07Z)
• Streaming Motion Forecasting for Autonomous Driving [71.7468645504988]
  ストリーミングデータにおける将来の軌跡を問うベンチマークを導入し,これを「ストリーミング予測」と呼ぶ。 我々のベンチマークは本質的に、スナップショットベースのベンチマークでは見過ごされていない安全上の問題であるエージェントの消失と再出現を捉えている。 我々は,任意のスナップショットベースの予測器をストリーミング予測器に適応させることのできる,"Predictive Streamer"と呼ばれるプラグアンドプレイメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-02T17:13:16Z)

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。