論文の概要: HyrCap: Hybrid Rank-Calibration of Action Proposals for Temporal Event Understanding
- arxiv url: http://arxiv.org/abs/2610.19526v1
- Date: Wed, 14 Oct 2026 03:44:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.942479
- Title: HyrCap: Hybrid Rank-Calibration of Action Proposals for Temporal Event Understanding
- Title（参考訳）: HyrCap: 時間イベント理解のためのハイブリッドなランクキャリブレーション
- Abstract要約: Hybrid Rank-Calibration of Action Proposals (HyrCap)は、提案中心のクエリベースの時間イベント理解フレームワークである。
セマンティック・アクション理解のためのHyrCapを紹介する。
- 参考スコア（独自算出の注目度）: 48.928406007254004
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Temporal action detection in long untrimmed videos suffers from inaccurate localization and low-quality proposals, especially with sparse annotations and ambiguous boundaries. For open-ended video understanding and LLM-driven event analysis, reliable proposals connect temporal localization, event annotation, and semantic understanding. However, conventional temporal action detection (TAD) pipelines lack explicit modeling of proposal localization quality, cross-representation support, and inter-proposal relations. We propose Hybrid Rank-Calibration of Action Proposals (HyrCap), a proposal-centric query-based TAD framework for temporal event understanding. Hybrid combines complementary video features with different localization cues, while Rank-Calibration adjusts proposal ranking confidence to reflect localization reliability and candidate competition. HyrCap treats dense query-based predictions as an over-complete temporal event hypothesis space. Cross-Representation Consensus Calibration, Localization Quality Estimation, and Proposal Redundancy Suppression improve proposal ranking reliability, localization quality, and candidate discrimination. Inspired by LLMs' capabilities in fine-grained semantic recognition, event description, and reasoning, we introduce HyrCap for Semantic Action Understanding, using calibrated proposals for standard TAD and as inputs to LLM-based semantic understanding. We define a staged evaluation protocol to separately measure event localization, segment-level semantic understanding, and combined event understanding performance. Experiments on public benchmarks show that HyrCap achieves state-of-the-art performance across multiple metrics and provides a finer-grained paradigm and evaluation protocol for query-based event segmentation and annotation.
- Abstract（参考訳）: 長い未トリミングビデオにおける時間的行動検出は、不正確なローカライゼーションと低品質の提案に悩まされる。
オープンなビデオ理解とLLM駆動のイベント分析のために、信頼できる提案は時間的ローカライゼーション、イベントアノテーション、意味論的理解を結びつける。
しかし、従来の時間的行動検出(TAD)パイプラインは、提案のローカライゼーション品質、表現間サポート、プロポゾス間関係の明示的なモデリングを欠いている。
時間的事象理解のための提案中心のクエリベースのTADフレームワークであるHyrCap(Hybrid Rank-Calibration of Action Proposals)を提案する。
Rank-Calibrationは、ローカライゼーションの信頼性と候補競合を反映して、提案のランク付けの信頼性を調整する。
HyrCapは、厳密なクエリベースの予測を、過剰な時間的事象仮説空間として扱う。
相互表現コーパス校正, 地域品質評価, 提案冗長抑制は, ランキングの信頼性, 地域品質, 候補者の識別性を向上する。
セマンティック・アクション理解のためのHyrCapを,標準的なTADのキャリブレーションされた提案とLLMに基づくセマンティック理解の入力として導入した。
イベントローカライゼーション、セグメントレベルのセマンティック理解、複合イベント理解性能を別々に測定するためのステージド評価プロトコルを定義した。
公開ベンチマークの実験によると、HyrCapは複数のメトリクスにわたって最先端のパフォーマンスを実現し、クエリベースのイベントセグメンテーションとアノテーションのためのよりきめ細かいパラダイムと評価プロトコルを提供する。
関連論文リスト
- Joint Class-Time Learning for Video Classification with Multi-Instance Partial-Label Learning [52.577813884498056]
バグレベルラベルは、候補クラスと時間的証拠の間の対応を明示的に監督するものではない。
我々は,共同授業時間割当てによる時間的エビデンス割当てとラベルの曖昧さを結合する手法を提案する。
PIVOTMIPLは既存のMIPLアルゴリズムよりも効率と効率の両方で優れている。
論文 参考訳（メタデータ） (2026-10-05T12:37:18Z) - MiSS: A Logic-Driven Explanation of Minimal Sufficient Coalitions for Point Cloud Classifiers [6.484278756220379]
3Dポイントクラウド分類器を説明するためのクエリベースのフレームワークであるMiSSを提案する。
MiSSはスーパーポイントパーティションを解釈可能な抽象化層として扱う。
システムは統計的に証明された十分な連立関係を二項帰属として返す。
論文 参考訳（メタデータ） (2026-07-27T07:17:04Z) - Uncertainty-Aware and Decoder-Aligned Learning for Video Summarization [0.0]
ビデオ要約の目的は、時間的に重要なセグメントのサブセットを選択することで、長いビデオのコンパクトな表現を作ることである。
この課題は、強い注釈主観性と離散復号法に依存するため本質的に困難である。
本稿では,ビデオ要約のための不確実性とデコーダ対応の学習フレームワークであるVASTSumを提案する。
論文 参考訳（メタデータ） (2026-05-10T12:31:02Z) - EPRBench: A High-Quality Benchmark Dataset for Event Stream Based Visual Place Recognition [54.55914886780534]
イベントストリームに基づく視覚的位置認識(VPR)は、従来の可視光カメラの不安定性に対して、低照度、過剰露光、高速モーションといった困難な条件下で魅力的な解決策を提供する、新たな研究方向である。
イベントストリームベースのVPR用に特別に設計された高品質なベンチマークであるEPRBenchを紹介する。
EPRBenchは10Kのイベントシーケンスと65Kのイベントフレームで構成され、ハンドヘルドと車載のセットアップを使用して収集され、さまざまな視点、気象条件、照明シナリオで現実世界の課題を包括的にキャプチャする。
論文 参考訳（メタデータ） (2026-02-13T13:25:05Z) - PR-DETR: Injecting Position and Relation Prior for Dense Video Captioning [23.4119982709261]
本稿では,検出トランスに先立って位置と関係を注入する,PR-DETRという新しい高密度ビデオキャプションフレームワークを提案する。
一方,我々はまず位置対応クエリを生成し,シーン固有の位置と潜在的な事象のセマンティック情報を提供する。
一方、イベント間相互作用を導く前に、イベント境界間の関係を明示的に計算し、キャプションのセマンティックコヒーレンスを改善するイベント関係エンコーダを設計する。
論文 参考訳（メタデータ） (2025-06-19T07:07:42Z) - Context-aware TFL: A Universal Context-aware Contrastive Learning Framework for Temporal Forgery Localization [60.73623588349311]
本研究では,時間的フォージェリーローカライゼーションのための共通文脈対応コントラスト学習フレームワーク (UniCaCLF) を提案する。
提案手法は教師付きコントラスト学習を利用して,異常検出による偽造瞬間の検出と同定を行う。
実物と偽物との間における特徴の識別可能性の限界をさらに押し上げるために、効率的な文脈対応コントラスト符号化を導入する。
論文 参考訳（メタデータ） (2025-06-10T06:40:43Z) - FineDiving: A Fine-grained Dataset for Procedure-aware Action Quality
Assessment [93.09267863425492]
競争力のあるスポーツビデオにおける行動の高レベル意味論と内部時間構造の両方を理解することが、予測を正確かつ解釈可能なものにする鍵である、と我々は主張する。
本研究では,多様なダイビングイベントに対して,アクションプロシージャに関する詳細なアノテーションを付加した,ファインディビングと呼ばれる詳細なデータセットを構築した。
論文 参考訳（メタデータ） (2022-04-07T17:59:32Z) - 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) - Complementary Boundary Generator with Scale-Invariant Relation Modeling
for Temporal Action Localization: Submission to ActivityNet Challenge 2020 [66.4527310659592]
本報告では,ActivityNet Challenge 2020 Task 1への提出時に使用したソリューションの概要を紹介する。
時間的行動ローカライゼーションタスクを2段階(すなわち提案生成と分類)に分離し,提案の多様性を高める。
提案手法は,課題テストセット上での平均mAPを用いて,時間的動作の局所化タスクにおける最先端性能を実現する。
論文 参考訳（メタデータ） (2020-07-20T04:35:40Z)
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。