論文の概要: FuGIBench: Evaluating Reliable Preparation in Streaming Video
- arxiv url: http://arxiv.org/abs/2611.16400v1
- Date: Thu, 12 Nov 2026 07:10:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.383731
- Title: FuGIBench: Evaluating Reliable Preparation in Streaming Video
- Title(参考訳): FuGIBench: ストリーミングビデオにおける信頼性の高い準備の評価
- Abstract要約: 本稿では,モデルが待ち時間,準備時間,応答を選択するストリーミングビデオベンチマークであるFuGIBenchを紹介する。
1つの主要なスコアクレジットは準備を継続し、レスポンスとインターバルのアライメントを取り入れ、参照が待機しているときにアクティビティをペナルティ化する。
- 参考スコア(独自算出の注目度): 23.450837586566777
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: An assistant watching a worker can prepare for an emerging need before the worker is ready to receive help.As the need evolves, the assistant must maintain preparation until a response is due, or withdraw it if the need disappears. Video anticipation and interactive response benchmarks leave this interval between early evidence and response largely unmeasured. We introduce FuGIBench (Future-Grounded Interaction), a streaming-video benchmark in which a model chooses among waiting, reversible preparation, and response given a causal video prefix and a task contract. The benchmark contains 19,893 synthetic tool-assistance videos across ten tool tasks, in handover, ordinary-activity, and cancelled-need tracks. One primary score credits sustained preparation, incorporates response-interval alignment, and penalizes activity when the reference prescribes waiting. On a frozen set of 1,000 episodes, a reference system with a longer preparation lead has poorer response alignment, while similar handover leads accompany different levels of activity during ordinary work in matched scenarios. Together with cancellation analyses, these results show why evaluating preparation requires tracking decisions as needs develop, become actionable, or disappear.
- Abstract(参考訳): 労働者が支援を受ける準備が整う前に、労働者が新たなニーズを準備できるのを見ているアシスタントは、ニーズが進化するにつれて、対応が完了するまで準備を継続するか、必要がなくなったらそれを取り除かなければならない。
ビデオ予測とインタラクティブなレスポンスベンチマークは、初期の証拠とほとんど測定されていない反応の間にこの間隔を残している。
FuGIBench (Future-Grounded Interaction) は,ビデオプレフィックスとタスクコントラクトが与えられた待ち時間,可逆的準備,応答の中からモデルを選択する,ストリーミングビデオベンチマークである。
このベンチマークには、10のツールタスク、ハンドオーバ、通常のアクティビティ、キャンセルされたトラックを含む19,893の合成ツールアシストビデオが含まれている。
1つの主要なスコアクレジットは準備を継続し、レスポンスとインターバルのアライメントを取り入れ、参照が待機しているときにアクティビティをペナルティ化する。
1000エピソードの凍結セットでは、より長い準備リードを持つ参照システムは応答アライメントが劣る一方、類似のハンドオーバは、マッチしたシナリオで通常の作業中に異なるレベルのアクティビティを伴う。
これらの結果は, キャンセル分析と合わせて, 必要な場合, 必要な場合, 動作可能な場合, あるいは消失時に, 準備評価に追跡決定が必要である理由を示す。
関連論文リスト
- SyncPro: Synchronous Reasoning and Responding for Proactive Streaming Video Understanding [38.68002393557043]
アクティブなストリーミングビデオ理解には、ユーザの要求された条件が満たされたとき、アシスタントが展開イベントを追跡し、応答する必要がある。
既存の作業は、このプロセスに補完的な機能を提供します。
進行中の推論とタイムリーな応答の調整方法はまだ未検討である。
SyncProは,エビデンス追跡とユーザ対応応答のための特別な生成パスを備えた同期型デュアルストリームフレームワークである。
論文 参考訳(メタデータ) (2026-10-23T03:58:17Z) - From Perception to Prediction and Intervention: Benchmarking Proactive Video Assistants in Real-Life Scenarios [37.81708997870599]
textscP$3$IBenchは,リアルタイムストリーミングシナリオにおけるプロアクティブビデオ理解のためのベンチマークである。
我々は、ストリーミングや適応型非ストリーミングシステムを含む12の代表的なオープンソースおよびプロプライエタリなビデオ言語モデルをベンチマークする。
我々は、追加のプロアクティブトレーニングデータを構築し、textscP$3$I-Assistant-4B をトレーニングし、いくつかのタスクを改善する。
論文 参考訳(メタデータ) (2026-10-15T09:23:45Z) - MedClaw: Heuristic Agent Harness for Long-Horizon Surgical Video Reasoning [22.25478228214449]
思考から推論を分離し、文脈の進化によって改善するエージェントハーネスを構築します。
テキストのみのオーケストレータは、収集する証拠を計画し、監査可能な一連のツールコールを発行する。
グレードフリーで報酬を付与するヒューリスティックスキル蒸留ループは、エージェント自身の低スコアトレースをマイニングし、バリデーション報酬を上げる場合にのみ候補スキルを保持する。
論文 参考訳(メタデータ) (2026-08-14T07:03:06Z) - StreamPro: From Reactive Perception to Proactive Decision-Making in Streaming Video [53.82672457255517]
プロアクティブなストリーミングビデオ理解には、ビデオストリームを継続的に処理し、応答すべきタイミングを決定するモデルが必要である。
既存のベンチマークは、明確な証拠が現れた後にのみ応答がトリガーされる"シー・ザ・アンサー"パラダイムに大きく従っている。
StreamProは、パーセプション理解、テンポラル推論、プロアクティブエージェンシーの3つの相補的な視点からストリーミングモデルを評価する新しいベンチマークである。
論文 参考訳(メタデータ) (2026-05-11T05:01:15Z) - Video-LLMs with Temporal Visual Screening [59.18455762289321]
テンポラル・ビジュアル・スクリーニング (TVS) はビデオ質問応答とチューニングデータを処理する新しいタスクである。
TVSは、ビデオインストラクションチューニング(トレーニング)とビデオ質問回答(推論)パイプラインの両方にシームレスに統合可能な、モジュール化されたフロントエンドアダプタタスクとして定式化されている。
実験により、TVSを取り入れた場合、相対利得は7.33%(トレーニング)、34.6%(推論)となることが示された。
論文 参考訳(メタデータ) (2025-08-27T14:33:32Z) - About Time: Advances, Challenges, and Outlooks of Action Understanding [57.76390141287026]
この調査は、様々なタスクにおけるユニモーダルおよびマルチモーダルな行動理解の進歩を包括的にレビューする。
我々は,現在普及している課題,広く採用されているデータセットの概要,そして最近の進歩を重視したセミナー作品の調査に焦点をあてる。
論文 参考訳(メタデータ) (2024-11-22T18:09:27Z) - Inductive Attention for Video Action Anticipation [16.240254363118016]
我々は、現在の予測を将来の行動を予測するクエリとして活用する、IAMと呼ばれるインダクティブアテンションモデルを提案する。
提案手法は,複数の大規模エゴセントリックビデオデータセット上での最先端の予測モデルより一貫して優れている。
論文 参考訳(メタデータ) (2022-12-17T09:51:17Z) - Locate before Answering: Answer Guided Question Localization for Video
Question Answering [70.38700123685143]
LocAnsは質問ロケータと回答予測器をエンドツーエンドモデルに統合する。
最新の2つのビデオQAデータセットで最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2022-10-05T08:19:16Z) - Untrimmed Action Anticipation [20.630139085937586]
エゴセントリックなアクション予測は、カメラ装着者がエゴセントリックなビデオから将来のアクションを予測することである。
現在のアプローチでは、入力ビデオはトリミングされていると仮定しており、短いビデオシーケンスはアクションの開始前に一定時間サンプリングされる。
この分野の最近の進歩にもかかわらず、トリムされた行動予測は現実のシナリオにおいて限定的な適用性を有すると我々は主張する。
論文 参考訳(メタデータ) (2022-02-08T20:20:08Z)
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。