AxIoU:一种基于公理论证的视频时刻检索度量
计算机视觉与模式识别
2022-03-31 v1 信息检索
摘要
评估度量对研究方向有着至关重要的影响。因此,对于传统度量不太适用的新应用,开发恰当且可靠的评估度量极为重要。视频时刻检索(VMR)便是这样一种应用,当前做法是使用R@来评估VMR系统。然而,该度量有两个缺点。首先,它对排序不敏感:它将前个排序列表视为集合,从而忽略了成功定位时刻在其中的排序位置。其次,它使用阈值对每个检索到的视频时刻的交并比(IoU)进行二值化,因而忽略了排序时刻的细粒度定位质量。我们提出了一种用于评估VMR的替代度量,称为平均最大IoU(AxIoU),它不存在上述两个问题。我们证明AxIoU满足VMR评估的两个重要公理,即\textbf{对冗余时刻的不变性}和\textbf{相对于最佳时刻的单调性},并且R@仅满足第一个公理。我们还通过实验考察了AxIoU与R@的一致性,以及其相对于测试数据变化和人工标注时间边界的稳定性。
引用
@article{arxiv.2203.16062,
title = {AxIoU: An Axiomatically Justified Measure for Video Moment Retrieval},
author = {Riku Togashi and Mayu Otani and Yuta Nakashima and Esa Rahtu and Janne Heikkila and Tetsuya Sakai},
journal= {arXiv preprint arXiv:2203.16062},
year = {2022}
}
备注
Accepted by CVPR2022