論文の概要: EVISTA: Unified Multimodal Video Search with Evidence-Aware Temporal Path Optimization
- arxiv url: http://arxiv.org/abs/2610.14510v1
- Date: Sat, 10 Oct 2026 03:18:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 13:13:46.341405
- Title: EVISTA: Unified Multimodal Video Search with Evidence-Aware Temporal Path Optimization
- Title（参考訳）: EVISTA:Evidence-Aware Temporal Path Optimizationによる統合マルチモーダルビデオ検索
- Abstract要約: 我々は,ホーチミン市AIチャレンジ2026のための統合マルチモーダルビデオ検索システムEVISTAを開発した。
順序付きマルチイベント検索のためのエビデンスを考慮した時間経路最適化手法であるTEMPO-Pを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the era of big data, precise event retrieval from large video collections has become increasingly important and challenging. In particular, locating multiple events from the same video in their temporal order is difficult when different events are described by different types of evidence, such as visual content, on-screen text, and spoken words. We develop EVISTA, a unified multimodal video retrieval system for the Ho Chi Minh City AI Challenge 2026, which integrates visual-semantic, OCR, ASR, object, and metadata search over a shared keyframe index, and propose TEMPO-P, an evidence-aware temporal path optimization method for ordered multi-event retrieval. Building EVISTA for this task reveals two limitations of independent event retrieval: a relevant video may be missed when one event is weakly retrieved, and independently retrieved event candidates may be temporally inconsistent or unable to represent events defined primarily by text or speech. TEMPO-P addresses these limitations by aggregating candidate videos across events and modalities, jointly scoring keyframes using visual, OCR, and ASR evidence, and selecting a compact temporally ordered path within each video through dynamic programming. On five organizer queries and 36 additional multi-event queries, TEMPO-P matches visual-only temporal alignment on visually described events (R@1 0.42 for both) and retrieves queries containing text-defined events, which visual-only alignment cannot represent (R@1 0.38). TEMPO-P is integrated into EVISTA as its ordered-event retrieval mode.
- Abstract（参考訳）: ビッグデータの時代、大規模なビデオコレクションからの正確なイベント検索はますます重要で難しいものになりつつある。
特に、同じビデオから時間順に複数のイベントを配置することは、視覚的内容、画面上のテキスト、話し言葉など、さまざまな種類の証拠によって異なるイベントが記述される場合、困難である。
我々は,Ho Chi Minh City AI Challenge 2026用の統合マルチモーダルビデオ検索システムであるEVISTAを開発し,共有鍵フレームインデックス上での視覚・セマンティック,OCR,ASR,オブジェクト,メタデータ検索を統合した。
このタスクのためにEVISTAを構築すると、独立したイベント検索の2つの制限が明らかになる: 1つのイベントが弱い場合に関連ビデオが見逃される可能性があるし、独立に検索されたイベント候補は、時間的に矛盾しているか、主にテキストや音声によって定義されたイベントを表現できない可能性がある。
TEMPO-Pはこれらの制限に対処するため、イベントとモダリティをまたいだ候補ビデオの集約、ビジュアル、OCR、ASRエビデンスを用いたキーフレームの同時スコア付け、動的プログラミングを通じて各ビデオ内のコンパクトな時間順パスを選択する。
5つのオーガナイザクエリと36の追加のマルチイベントクエリでは、TEMPO-Pは視覚的に記述されたイベント(R@1 0.42)で視覚のみの時間的アライメントと一致し、視覚のみのアライメントが表現できないテキスト定義イベントを含むクエリを検索する(R@1 0.38)。
TEMPO-P は EVISTA に統合される。
関連論文リスト
- MELON: A Large-Scale Dataset for Multi-Event Text-to-Long-Video Retrieval [9.116098272868667]
既存のテキストビデオ検索データセットは、主に1つの支配的なイベントを含むショートフォームのクリップで構成されている。
我々は,テキストビデオ検索を,複雑なマルチイベント構造を持つ長編ビデオに拡張するために設計された,最初の大規模データセットであるMELONを紹介する。
論文 参考訳（メタデータ） (2026-08-31T08:20:35Z) - Event-Aware Instructed Assistant for Referring Video Segmentation [95.29838669257913]
EVIS(Event-Aware Video Instructed Assistant)は、ビデオを単純なイベントに分割する。
また,MLLMが長期ビデオのターゲットを追跡できるObject-Pixel-Hybrid Learningを提案する。
論文 参考訳（メタデータ） (2026-06-25T13:12:43Z) - U-CESE: Unified Clip-based Event Search Engine for AI Challenge HCMC 2025 [0.34040662197740373]
U-CESEは、様々なビデオソースにわたるマルチモーダルイベント検索のための統一Clipベースのイベントサーチエンジンである。
中心となるコンポーネントはUnified Clipping Algorithmであり、別個のクリッピングアルゴリズムを1つの効率的なパイプラインにマージする。
U-CESEは、大規模なマルチモーダルイベント検索において、堅牢で、一貫性があり、効率的なパフォーマンスを提供する。
論文 参考訳（メタデータ） (2026-05-22T06:28:41Z) - MADTempo: An Interactive System for Multi-Event Temporal Video Retrieval with Query Augmentation [2.819801450768979]
我々は,AIO_Trinhが開発したビデオ検索フレームワークMADTempoを紹介した。
我々の時間探索機構は、連続したビデオセグメント間で類似度スコアを集約することにより、事象レベルの連続性をキャプチャする。
Googleイメージ検索ベースのフォールバックモジュールは、外部のWebイメージでクエリ表現を拡張する。
論文 参考訳（メタデータ） (2025-12-15T02:25:46Z) - Grounding Partially-Defined Events in Multimodal Data [61.0063273919745]
部分定義イベントに対するマルチモーダル定式化を導入し、これらのイベントの抽出を3段階スパン検索タスクとしてキャストする。
このタスクのベンチマークであるMultiVENT-Gを提案し,22.8Kのラベル付きイベント中心エンティティを含む,14.5時間の高密度アノテーション付き現在のイベントビデオと1,168のテキストドキュメントからなる。
結果は、イベント理解の抽象的な課題を示し、イベント中心のビデオ言語システムにおける約束を実証する。
論文 参考訳（メタデータ） (2024-10-07T17:59:48Z) - EA-VTR: Event-Aware Video-Text Retrieval [97.30850809266725]
Event-Aware Video-Text Retrievalモデルは、優れたビデオイベント認識を通じて、強力なビデオテキスト検索能力を実現する。
EA-VTRはフレームレベルとビデオレベルの視覚表現を同時にエンコードすることができ、詳細なイベント内容と複雑なイベントの時間的相互アライメントを可能にする。
論文 参考訳（メタデータ） (2024-07-10T09:09:58Z) - Event-aware Video Corpus Moment Retrieval [79.48249428428802]
Video Corpus Moment Retrieval(VCMR)は、未編集ビデオの膨大なコーパス内の特定の瞬間を特定することに焦点を当てた、実用的なビデオ検索タスクである。
VCMRの既存の方法は、典型的にはフレーム対応のビデオ検索に依存し、クエリとビデオフレーム間の類似性を計算して、ビデオをランク付けする。
本研究では,ビデオ検索の基本単位として,ビデオ内のイベントを明示的に活用するモデルであるEventFormerを提案する。
論文 参考訳（メタデータ） (2024-02-21T06:55:20Z) - Towards Video Anomaly Retrieval from Video Anomaly Detection: New
Benchmarks and Model [70.97446870672069]
ビデオ異常検出(VAD)はその潜在的な応用により注目されている。
Video Anomaly Retrieval (VAR)は、関連のある動画をモダリティによって実用的に検索することを目的としている。
一般的な異常データセットの上に構築されたUCFCrime-ARとXD-Violenceの2つのベンチマークを示す。
論文 参考訳（メタデータ） (2023-07-24T06:22:37Z) - Team RUC_AIM3 Technical Report at Activitynet 2020 Task 2: Exploring
Sequential Events Detection for Dense Video Captioning [63.91369308085091]
本稿では、イベントシーケンス生成のための新規でシンプルなモデルを提案し、ビデオ中のイベントシーケンスの時間的関係を探索する。
提案モデルでは,非効率な2段階提案生成を省略し,双方向時間依存性を条件としたイベント境界を直接生成する。
総合システムは、チャレンジテストセットの9.894 METEORスコアで、ビデオタスクにおける密封イベントの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） (2020-06-14T13:21:37Z)
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。