論文の概要: Beyond Scalar IoU: Structured Verification from Rollout Groups for Video Temporal Grounding

• arxiv url: http://arxiv.org/abs/2610.07601v1
• Date: Tue, 06 Oct 2026 01:40:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.748694
• Title: Beyond Scalar IoU: Structured Verification from Rollout Groups for Video Temporal Grounding
• Title（参考訳）: Beyond Scalar IoU: ビデオ時間グラウンドのためのロールアウトグループからの構造化検証
• Abstract要約: ロールアウトグループ上で検証を行い,その構造を2つの相補的スケールで活用するSUTUREを紹介する。 得られた検証器は、標準IoU項への正確な分解とロールアウト群によって決定される共分散補正を許容することを示す。
• 参考スコア（独自算出の注目度）: 3.9399824892145294
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reinforcement learning with verifiable rewards (RLVR) provides a natural framework for adapting pretrained models to video temporal grounding, where generated temporal intervals can be scored directly against ground truth intervals. Yet existing overlap verifiers typically score each rollout independently, leaving the joint structure of the rollout group unused. We introduce SUTURE, which conditions verification on the rollout group and exploits its structure at two complementary scales: disagreement across rollouts controls how strongly the target is reweighted, while coverage at each position determines where reward mass is redistributed. We show that the resulting verifier admits an exact decomposition into the standard IoU term and a covariance correction determined by the rollout group. A local gradient diagnostic finds a preference for responses covering relatively less supported target regions in the analyzed groups. Across five temporal grounding benchmarks, SUTURE improves grounding performance at every reported IoU threshold. Its trained policy also shows less video-start anchoring in reasoning traces: for later events, the first temporal mention more often overlaps the annotated target. Together, these results show that the joint structure of a rollout group can support a more informative temporal verifier.
• Abstract（参考訳）: 検証可能な報酬付き強化学習(RLVR)は、事前学習されたモデルをビデオ時間的グラウンドに適応するための自然な枠組みを提供する。 しかし、既存の重複検証器は、通常、各ロールアウトを独立にスコアし、ロールアウトグループの結合構造を未使用のまま残す。 ロールアウト間の不一致は、ターゲットの重み付けの強さを制御し、各ポジションのカバレッジは、報酬の質量を再分配する場所を決定する。 得られた検証器は、標準IoU項への正確な分解とロールアウト群によって決定される共分散補正を許容することを示す。 局所勾配診断では, 対象領域を比較的少ない範囲でカバーする反応が好まれる。 5つの時間的グラウンドベンチマークで、SUTUREは報告されたIoUしきい値毎にグラウンド性能を改善する。 トレーニングされたポリシーは、トレースの推論におけるビデオスタートアンカーの削減も示している: 後続のイベントでは、最初の一時的な言及は、注釈付けされたターゲットと重複することが多い。 これらの結果から, ロールアウト群の接合構造は, より情報的な時間的検証を支持できることが示唆された。

関連論文リスト

• OOD-RL-Bench: A Benchmark Framework for Out-of-Distribution Detection in Reinforcement Learning [4.173831365316023]
  OOD検出器を軌道に注入された異常のカテゴリに対して評価するためのフレームワークであるOOD-RL-Benchを提案する。 インジェクタと異常インジェクタは、共有インターフェースと設定を通じて統合される。 一致時間AUROC,一致時間AUPRC,一致時間偽陽性率,検出遅延,セグメンテッドオンセット測定値を用いて,各検出器の性能評価を行った。
  論文  参考訳（メタデータ） (2026-07-14T08:57:04Z)
• Imputation Meets Clustering: Exploiting Latent Subgroup Structure for Missing Data Recovery [52.29866804948133]
  本稿では、クラスタリングと命令を相互に強化する共最適化プロセスとして再構築するフレームワークであるCAGI(Cluster-Aware Generative Imputation)を提案する。 14のベンチマークデータセットと15の代表的なベースラインの実験は、CAGIの優位性を実証している。
  論文  参考訳（メタデータ） (2026-07-08T02:50:02Z)
• TRACE: A Unified Rollout Budget Allocation Framework for Efficient Agentic Reinforcement Learning [52.67756371231985]
  検証可能な報酬を伴う強化学習(RLVR)は、大規模言語モデルにおける推論とエージェント的行動を強化するための有望なアプローチである。 本稿では,Tree Rollout Allocation for Contrastive Exploration (TRACE)について紹介する。 技術的には、TRACEはロールアウト予算をルートと中間プレフィックスの両方に割り当てている。
  論文  参考訳（メタデータ） (2026-06-09T17:16:03Z)
• Foresee-to-Ground: From Predictive Temporal Perception to Evidence-Driven Reasoning for Video Temporal Grounding [86.37002814396674]
  ビデオ時間グラウンドのためのフォアシー・ツー・グラウンド(F2G)を提案する。 F2Gは予測的時間知覚とエビデンス駆動推論を統合している。 さまざまなベンチマークでグラウンド化の精度を一貫して向上させる。
  論文  参考訳（メタデータ） (2026-05-21T04:03:25Z)
• Find, Fix, Reason: Context Repair for Video Reasoning [45.021693494492666]
  強化学習は、大規模なマルチモーダルモデルにおいて高度なビデオ推論を持つ。 凍結したツール統合された教師は、時間的依存の欠如を認識し、最小限のエビデンスパッチを提供する。 本稿では,正解による結果の妥当性と依存性の整合性という2つの目標に最適化を整合させるロバスト改善リワード(RIR)を提案する。
  論文  参考訳（メタデータ） (2026-04-17T17:04:19Z)
• Exposing Vulnerabilities in Explanation for Time Series Classifiers via Dual-Target Attacks [27.826255626696696]
  解釈可能な時系列深層学習システムは、しばしば説明の時間的一貫性をチェックすることによって評価される。 予測と説明は逆の分離が可能であることを示し、ターゲットの誤分類を可能にする。 本稿では,分類器と説明器の出力を協調的に操作するマルチターゲット攻撃であるTSEF(Time Series Explanation Fooler)を提案する。
  論文  参考訳（メタデータ） (2026-02-02T20:14:19Z)
• 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)
• Temporal Transductive Inference for Few-Shot Video Object Segmentation [27.140141181513425]
  Few-shot Object segmentation (FS-VOS) は、初期訓練中に見えないクラスのラベル付き例を用いて、ビデオフレームのセグメンテーションを目的としている。 我々のアプローチの鍵は、グローバルな時間的制約とローカルな時間的制約の両方を使用することである。 経験的に、我々のモデルは、YouTube-VIS上の組合間の平均交点を2.8%上回る、最先端のメタラーニングアプローチより優れている。
  論文  参考訳（メタデータ） (2022-03-27T14:08:30Z)
• 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)
• Global Distance-distributions Separation for Unsupervised Person Re-identification [93.39253443415392]
  既存の教師なしのReIDアプローチは、距離ベースのマッチング/ランク付けを通じて正のサンプルと負のサンプルを正しく識別するのに失敗することが多い。 本研究では,2つの分布に対する大域的距離分布分離の制約を導入し,大域的視点から正と負のサンプルを明確に分離することを奨励する。 本研究では,本手法がベースラインを大幅に改善し,最先端の性能を実現することを示す。
  論文  参考訳（メタデータ） (2020-06-01T07:05:39Z)

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。