論文の概要: READ: Reading the Selective Scan for Faithful Video Attribution

• arxiv url: http://arxiv.org/abs/2610.13776v1
• Date: Fri, 09 Oct 2026 15:59:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.661709
• Title: READ: Reading the Selective Scan for Faithful Video Attribution
• Title（参考訳）: 編集部注:ビデオの投稿を検索する「ReAD」
• Abstract要約: 選択状態空間モデルのためのパラメータフリー属性法READを紹介する。 READは、リカレント状態に蓄積されたコントリビューションをビデオトークンにトレースし、最終的な予測に寄与する。 実験の結果,READは既存手法の系統的関連バイアスを回避していることがわかった。
• 参考スコア（独自算出の注目度）: 8.49520972146025
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Selective state-space models are an efficient approach to long-sequence video modeling. However, their recurrent computation makes it difficult to determine which video tokens drive a prediction. Existing attribution methods often require additional backward passes or repeated model evaluations, making them substantially more expensive than the forward inference they aim to explain. In this work, we introduce READ, a parameter-free attribution method for selective state-space models that unrolls the recurrence at the position read by the classifier. READ traces the contribution accumulated in the recurrent state back to the video tokens that contribute to the final prediction. By anchoring attribution at the classifier's readout, it produces a single spatiotemporal relevance map from which frame- and region-level relevance can be obtained directly. Despite requiring only one forward pass, READ achieves competitive faithfulness and localisation compared with substantially more expensive attribution methods. Experimental results show that READ avoids the systematic relevance biases of existing methods while recovering meaningful temporal and class-specific structure across datasets and backbones. More broadly, our results show that the recurrence underlying selective state-space models is not only an efficient mechanism for inference, but also a direct source of interpretable evidence for their predictions.
• Abstract（参考訳）: 選択状態空間モデル(Selective state-space model)は、時系列ビデオモデリングにおける効率的なアプローチである。 しかし、その繰り返し計算により、どのビデオトークンが予測を駆動するかを判断することが困難になる。 既存の帰属法は、しばしば追加の後方通過または繰り返しモデル評価を必要とし、それらが説明しようとする前方推論よりもかなり高価である。 本研究では,選択状態空間モデルに対するパラメータフリー属性法であるREADを導入する。 READは、リカレント状態に蓄積されたコントリビューションをビデオトークンにトレースし、最終的な予測に寄与する。 分類器の読み出し時に属性を固定することにより、フレームレベルと領域レベルの関連を直接取得できる1つの時空間関連マップを生成する。 フォワードパスは1つしか必要としないが、READは競争力のある忠実さとローカライゼーションを達成する。 実験の結果,READは既存の手法の系統的関連バイアスを回避し,データセットやバックボーンにまたがる意味のある時間的・クラス固有の構造を復元することがわかった。 より広範に、選択的状態空間モデルに基づく再帰は推論の効率的なメカニズムであるだけでなく、それらの予測に対する解釈可能な証拠の直接的源でもあることを示す。

関連論文リスト

• RepICL: Reusable In-Context Prediction Across Heterogeneous Representation Spaces [3.2900793381608047]
  共有された数発の予測手順は、トレーニング中に観察される表現空間を超えて一般化可能であることを示す。 本稿では,メタ学習型インコンテキスト学習システムRepICLについて紹介する。
  論文  参考訳（メタデータ） (2026-10-05T06:13:40Z)
• When to Retrieve, When to Stay: Uncertainty-Aware Temporal Evidence Allocation for Streaming Video-LLMs [55.016033209274376]
  WRWS(When to Retrieve, When to Stay)は、不確実性適応型エビデンスアロケーションのためのトレーニング不要のフレームワークである。 WRWSは、関連手段が信頼性が高い場合に意味検索を好んでおり、不確実性の下での精度を高める。 我々の効率評価において、WRWSは、平均視覚から回答までの時間を、最先端手法の47.93%に削減する。
  論文  参考訳（メタデータ） (2026-09-29T12:13:56Z)
• PARSEE-VAD: Efficient Training-Free Online Video Anomaly Detection via Proposition-Aware Reasoning and Streaming Evidence Escalation [24.367658227422698]
  凍結したマルチモーダル言語モデルによるトレーニング不要なオンラインビデオ異常検出には,2つの課題がある。 本稿では,意味的エビデンス獲得とスコア状態の進化を分離するフレームワークであるPARSEE-VADを紹介する。 実験はトレーニングなしのオンラインパフォーマンスを示し、選択的ルーティングは専門的な計算を減らします。
  論文  参考訳（メタデータ） (2026-09-27T05:24:55Z)
• 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)
• You Only Forward Once: Prediction and Rationalization in A Single Forward Pass [10.998983921416533]
  教師なしの合理性抽出は、合理性のないモデル予測をサポートするために、簡潔で連続的なテキストスニペットを抽出することを目的としている。 これまでの研究では、RNP(Rationalizing Neural Prediction)フレームワークと呼ばれる2段階のフレームワークを使用してきた。 そこで我々は,論理学の緩和版から派生した,単相一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一
  論文  参考訳（メタデータ） (2023-11-04T08:04:28Z)
• COLO: A Contrastive Learning based Re-ranking Framework for One-Stage Summarization [84.70895015194188]
  コントラスト学習に基づく一段階要約フレームワークであるCOLOを提案する。 COLOはCNN/DailyMailベンチマークの1段階システムの抽出と抽象化結果を44.58と46.33ROUGE-1スコアに引き上げた。
  論文  参考訳（メタデータ） (2022-09-29T06:11:21Z)
• 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)
• Complex Event Forecasting with Prediction Suffix Trees: Extended Technical Report [70.7321040534471]
  複合イベント認識(CER)システムは、イベントのリアルタイムストリーム上のパターンを"即時"検出する能力によって、過去20年間に人気が高まっている。 このような現象が実際にCERエンジンによって検出される前に、パターンがいつ発生するかを予測する方法が不足している。 複雑なイベント予測の問題に対処しようとする形式的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-01T09:52:31Z)
• Solving Long-tailed Recognition with Deep Realistic Taxonomic Classifier [68.38233199030908]
  ロングテール認識は、現実世界のシナリオにおける自然な非一様分散データに取り組む。 モダンは人口密度の高いクラスではうまく機能するが、そのパフォーマンスはテールクラスでは著しく低下する。 Deep-RTCは、リアリズムと階層的予測を組み合わせたロングテール問題の新しい解法として提案されている。
  論文  参考訳（メタデータ） (2020-07-20T05:57:42Z)

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。