論文の概要: Organizing Temporal Evidence in Hyperbolic Space for Video Moment Retrieval

• arxiv url: http://arxiv.org/abs/2610.32317v1
• Date: Fri, 23 Oct 2026 08:15:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.430915
• Title: Organizing Temporal Evidence in Hyperbolic Space for Video Moment Retrieval
• Title（参考訳）: ビデオモーメント検索のための双曲空間における時間的証拠の整理
• Abstract要約: ビデオモーメント検索は、クエリ関連時間セグメントをトリミングされていないビデオにローカライズすることを目的としている。 既存の方法は通常ユークリッド空間でビデオテキストアライメントを行い、表現は平坦な幾何学に埋め込まれる。 本稿では,ハイパーボリック空間における問合せ対応の時間記憶を整理する幾何学的枠組みであるハイパーボリック時間証拠機構(HTEO)を提案する。
• 参考スコア（独自算出の注目度）: 47.54150500700484
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Video moment retrieval aims to localize a query-relevant temporal segment in an untrimmed video. Existing methods typically perform video-text alignment in Euclidean space, where representations are embedded in a flat geometry. However, accurate moment localization requires organizing query-relevant evidence across multiple grounding states, where target regions, boundary transitions, and contextual distractors exhibit distinct temporal structures and relevance patterns. Such Euclidean representations lack an explicit geometry to jointly capture these relationships, motivating us to explore structured temporal evidence organization from a geometric perspective. Specifically, we propose Hyperbolic Temporal Evidence Organization (HTEO), a geometric framework that organizes query-aware temporal memory in hyperbolic space. HTEO maps temporal representations into a Poincaré ball and organizes temporal evidence through Radial Evidence Organization (REO) and Orthogonal Angular Refinement (OAR). REO adjusts temporal tokens' radial positions to encode the structural differences among temporal evidence, while OAR enhances query-conditioned semantic alignment through orthogonal rotation. The organized representation is then projected back to the Euclidean tangent space and injected into the decoder through a lightweight residual memory update, enabling hyperbolic geometric cues to be incorporated into standard Transformer decoders while preserving the original cross-modal memory. Furthermore, we introduce radial structure regularization and angular relevance supervision to explicitly guide temporal evidence organization and query-conditioned semantic alignment, respectively. Extensive experiments and analyses across multiple benchmarks demonstrate that HTEO improves temporal localization while providing an interpretable geometric organization of temporal evidence.
• Abstract（参考訳）: ビデオモーメント検索は、クエリ関連時間セグメントをトリミングされていないビデオにローカライズすることを目的としている。 既存の方法は通常ユークリッド空間でビデオテキストアライメントを行い、表現は平坦な幾何学に埋め込まれる。 しかし、正確なモーメントローカライゼーションは、ターゲット領域、境界遷移、文脈的乱れが異なる時間構造と関連パターンを示す複数の基底状態にわたるクエリ関連エビデンスを整理する必要がある。 このようなユークリッド表現はこれらの関係を共同で捉えるための明示的な幾何学を欠き、幾何学的な観点から構造化された時間的証拠を探索する動機となった。 具体的には,ハイパーボリック空間における問合せ対応の時間記憶を整理する幾何学的枠組みであるHyperbolic Temporal Evidence Organization (HTEO)を提案する。 HTEOは、時間的表現をポアンカレ球にマッピングし、ラジアルエビデンス機構(REO)と直交角リファインメント(OAR)を通じて時間的証拠を整理する。 REOは時間的トークンの半径位置を調整し、時間的証拠間の構造的差異を符号化し、OARは直交回転によってクエリ条件のセマンティックアライメントを強化する。 組織化された表現はユークリッドの接点空間に投影され、軽量な残差メモリ更新によってデコーダに注入され、元のクロスモーダルメモリを維持しながら、双曲幾何学的キューを標準のトランスフォーマーデコーダに組み込むことができる。 さらに、時間的エビデンス組織とクエリ条件のセマンティックアライメントを明確にガイドするために、ラジアル構造規則化と角関係監督を導入する。 複数のベンチマークにわたる大規模な実験と分析により、HTEOは時間的局所化を改善し、時間的証拠の解釈可能な幾何学的構造を提供することを示した。

関連論文リスト

• HiQGS: Hierarchical Spatiotemporal Querying for Feed-Forward Gaussian Reconstruction [5.147420341763849]
  スパース単分子フレームからのフィードフォワードガウス再構成のためのクエリベースの階層的フレームワークである textbfHiQGS を提案する。
  論文  参考訳（メタデータ） (2026-10-20T04:10:57Z)
• Think Visually Across Space and Time: Grounded Reasoning for Video Segmentation [73.45102753524989]
  Video Reasoning (VRS) は暗黙的に記述されたターゲットを特定し、そのピクセルレベルのマスク軌道を予測するモデルを必要とする。 我々は,クエリ関連観測を推論チェーンに整理するビデオCoTの時間的基盤形式として,ビデオプリミティブのテキストのみのチェイン(TCoVP)を導入する。
  論文  参考訳（メタデータ） (2026-10-18T07:54:07Z)
• Temporal Evidence Forests for Long-Horizon Multi-Party Conversational Memory [31.801129799758044]
  長期記憶は、永続的な相互作用とパーソナライズされた支援をサポートするためにLLMベースのエージェントで広く採用されている。 本稿では,T-Memを提案する。T-Memは時間的構造に基づくメモリフレームワークで,インタラクションを保存し,2つの時間的メカニズムを通じてクエリ関連エビデンスを整理する。
  論文  参考訳（メタデータ） (2026-10-09T02:05:38Z)
• RIDGE: Region-Informed Derivative-Guided Evidence Selection for Long Video Understanding [55.75126327155788]
  RIDGEはフレーム選択フレームワークであり、時間信号としてフレームクエリの類似性曲線を読み取る。 タイムラインを構造的なリージョンに分割し、固定予算の下でイベントコア、トランジション、ビルドアップ、アフターマス、コンテキストフレームを保存するために、リージョン固有の選択を適用する。 ほとんどの設定で最高のパフォーマンスを達成し、他の設定では競争力を維持します。
  論文  参考訳（メタデータ） (2026-08-30T18:40:51Z)
• G$^2$TAM: Geometry Grounded Track Anything Model [49.05553245076823]
  本稿では,RGB画像やビデオのみを用いて,3次元のインスタンス追跡を高速化するための統一的なフレームワークを提案する。 G$2$TAMは空間的に整列した幾何学的表現を暗黙記憶として使用し、安定したインスタンス識別とフレームとビュー間のローカライゼーションを保証する。 中心となるのは、視覚的およびテキスト的プロンプトを共有幾何学空間に統合し、エンドツーエンドの空間再構成とインスタンス一貫性マスク予測を可能にするクロスモーダル空間エンコーダである。
  論文  参考訳（メタデータ） (2026-07-04T09:32:13Z)
• IA-RAG: Interval-Algebra-Driven Temporal Reasoning for Dynamic Knowledge Retrieval [32.540554788693456]
  本稿では,時間間隔として知識をモデル化し,形式的時間的制約の下で検索を行う階層的時間的RAGフレームワークを提案する。 IA-RAGは、事実をIEU(Interval Event Units)として表現し、それらを階層的な Thematic Forest に編成する。 TimeQA、TempReason、ComplexTRを含む複数の時間的質問応答ベンチマークの実験は、IA-RAGが強い時間的検索と推論性能を達成することを示した。
  論文  参考訳（メタデータ） (2026-06-04T11:39:50Z)
• Q-GeoMem: Question-Guided Geometric Memory for Video Spatial Reasoning [53.96129188781529]
  ビデオ空間推論のための質問誘導幾何メモリフレームワークを提案する。 カメラ条件の幾何学を 視覚トークンに注入し 2つの相補記憶を維持します 本研究は,評価空間推論モデルにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2026-05-26T17:26:29Z)
• Respecting Temporal-Causal Consistency: Entity-Event Knowledge Graphs for Retrieval-Augmented Generation [69.45495166424642]
  我々は,物語文書における時間的,因果的,文字的整合性を理解するために,頑健で差別的なQAベンチマークを開発する。 次に、バイナリマッピングでリンクされたエンティティとイベントのサブグラフを分離したまま保持するデュアルグラフフレームワークであるEntity-Event RAG(E2RAG)を紹介します。 ChronoQA全体で、我々のアプローチは最先端の非構造化およびKGベースのRAGベースラインよりも優れており、因果一貫性クエリや文字整合性クエリが顕著である。
  論文  参考訳（メタデータ） (2025-06-06T10:07:21Z)
• $\text{H}^2\text{TNE}$: Temporal Heterogeneous Information Network Embedding in Hyperbolic Spaces [16.31067633778912]
  時間的HINに対する双曲的ヘテロジニアス時間ネットワーク埋め込みモデルを提案する。 具体的には、時間的かつ不均一に2重拘束されたランダムウォーク戦略を利用して、構造的および意味的な情報をキャプチャする。 実験の結果,本手法はSOTAモデルと比較して時間的リンク予測とノード分類に優れていた。
  論文  参考訳（メタデータ） (2023-04-14T07:39:52Z)

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。