論文の概要: DeformStruct: Deformable Structure Modeling for Point-Supervised Temporal Action Localization

• arxiv url: http://arxiv.org/abs/2610.32321v1
• Date: Fri, 23 Oct 2026 08:19:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.432073
• Title: DeformStruct: Deformable Structure Modeling for Point-Supervised Temporal Action Localization
• Title（参考訳）: DeformStruct: 点超過時間行動定位のための変形可能な構造モデリング
• Abstract要約: DeformStructというインスタンスレベルの変形可能な構造モデリングフレームワークを提案する。 DeformStructは3つのステージを通じて、各アクションインスタンスの構造を段階的に構築する。 THUMOS14、ActivityNet-v1.3、GTEA、BEOIDに関する実験は、点教師付き時間的局所化において一貫した改善を示す。
• 参考スコア（独自算出の注目度）: 41.62406154423986
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Point-supervised Temporal Action Localization (PTAL) aims to localize action instances using only a single annotated timestamp for each instance. Such sparse supervision offers limited guidance for modeling the structural organization of an action instance. Existing PTAL methods primarily infer action regions from classification responses, leaving the structural organization of multiple action-related parts within each instance insufficiently modeled. To address this problem, we propose DeformStruct, an instance-level deformable structure modeling framework for PTAL. DeformStruct progressively constructs the structure of each action instance through three stages. First, Structural Anchor Mining discovers multiple anchors from annotated points and action-responsive regions, providing structural nodes grounded in the current instance. Second, Deformable Part Alignment associates latent structural parts with these anchors through deformation-aware matching, allowing their temporal supports to adapt to instance-dependent variations. Third, Relational Structural Organization explicitly models the relative temporal relations among the aligned parts, forming a relational representation that characterizes how different action-related parts are organized together. Extensive experiments on THUMOS14, ActivityNet-v1.3, GTEA, and BEOID demonstrate consistent improvements in point-supervised temporal localization and validate the effectiveness of deformable structural modeling.
• Abstract（参考訳）: Point-supervised Temporal Action Localization (PTAL) は、各インスタンスに対して1つのアノテーション付きタイムスタンプのみを使用してアクションインスタンスをローカライズすることを目的としている。 このようなスパース・インスペクションは、アクション・インスタンスの構造的構造をモデル化するための限られたガイダンスを提供する。 既存のPTALメソッドは、主に分類応答からアクション領域を推論し、各インスタンス内の複数のアクション関連部分の構造的構造を十分にモデル化していない。 そこで本研究では,PTALのインスタンスレベルの変形可能な構造モデリングフレームワークであるDeformStructを提案する。 DeformStructは3つのステージを通じて、各アクションインスタンスの構造を段階的に構築する。 まず、Structure Anchor Miningはアノテートポイントとアクションレスポンシブリージョンから複数のアンカーを発見し、現在のインスタンスに接地した構造ノードを提供する。 第二に、変形可能な部分アライメントは、変形認識マッチングを通じて、潜在構造部分とこれらのアンカーを関連付け、時間的サポートをインスタンス依存のバリエーションに適応させる。 第3に、関係構造組織(Relational Structure Organization)は、協調した部分間の相対的時間的関係を明示的にモデル化し、異なるアクション関連部分がどのようにまとめられているかを表現する関係表現を形成する。 THUMOS14、ActivityNet-v1.3、GTEA、BEOIDの広範な実験は、点監督時間的局所化における一貫した改善を示し、変形可能な構造モデリングの有効性を検証する。

関連論文リスト

• Rethinking Patch Based Multivariate Time Series Forecasting with Semantic Structured Partitioning [6.396342981293729]
  意味的構造分割に基づくトランスフォーマーベースのフレームワークであるSCPaTを提案する。 SCPaTは、入力シーケンスを適応意味単位生成を通じて意味的に一貫性のある単位に分解する。 次に、動的セマンティックグラフを構築し、これらのユニット間の依存をモデル化し、それらを高次のセマンティックブロックに整理する。 これらの構造化表現に基づいて、重要注意ルーティング機構は、カスタマイズされたモデリングのために異なる専門家に異なるセマンティックブロックを適応的にディスパッチする。
  論文  参考訳（メタデータ） (2026-08-20T12:38:43Z)
• A Unified Conditional Flow for Motion Generation, Editing, and Intra-Structural Retargeting [26.68081874066983]
  両タスクを単一の生成フレームワーク内で条件付き移動のインスタンスとしてキャストする統一的な視点を示す。 我々はこのビジョンを、整流運動モデルと目標骨格構造を併用して実装する。 SnapMoGenとマルチキャラクタのMixamoサブセットの実験は、単一のトレーニングされたモデルがテキスト・ツー・モーション生成、ゼロショット編集、ゼロショット・イン・ストラクチャをサポートすることを示している。
  論文  参考訳（メタデータ） (2026-04-15T02:53:07Z)
• Exploring the Temporal Consistency for Point-Level Weakly-Supervised Temporal Action Localization [66.80402022104074]
  ポイント教師付きテンポラルアクションローカライゼーション(PTAL)は、軽快なフレームアノテートパラダイム(textiti.e.、アクションインスタンスごとに1フレームのみをラベル付けする)を採用して、教師なしビデオ内のアクションインスタンスを見つけるようモデルを訓練する。 既存のアプローチのほとんどは、アクションのフレーム間の時間的関係を明確にモデル化することなく、ポイントトリミングされたスニペットレベルの分類だけでモデルのタスクヘッドを設計する。 本稿では,行動ローカライゼーションのための時間的理解能力を高めるために,ポイントインスペクションを完全に活用するマルチタスク学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-05T14:46:21Z)
• StructRe: Rewriting for Structured Shape Modeling [60.20359722058389]
  本稿では,構造化形状モデリングの新しいアプローチとして,構造書換えシステムであるStructReを提案する。 ポイントとコンポーネントで表される3Dオブジェクトが与えられたら、StructReはそれを上向きに、より簡潔な構造に書き直すか、より詳細な構造に書き直すことができる。
  論文  参考訳（メタデータ） (2023-11-29T10:35:00Z)
• POTLoc: Pseudo-Label Oriented Transformer for Point-Supervised Temporal Action Localization [26.506893363676678]
  本稿ではPseudo-label Oriented Transformerを提案する。 POTLocは、自己学習戦略を通じて、継続的なアクション構造を特定し、追跡するように設計されている。 THUMOS'14とActivityNet-v1.2データセットでは、最先端のポイント管理手法よりも優れています。
  論文  参考訳（メタデータ） (2023-10-20T15:28:06Z)
• From Organisational Structure to Organisational Behaviour Formalisation [5.916566419205907]
  本稿では,この2つの視点を一つの枠組みで組み合わせる方法について述べる。 組織構造内の異なるアグリゲーションレベルやその他の要素に対して、動的プロパティのセットを指定する方法が示されています。
  論文  参考訳（メタデータ） (2021-09-29T12:32:10Z)

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。