轻量级时序检索系统：全局重排序与鲁棒自适应双向时间搜索
计算机视觉与模式识别
2025-04-15 v1
摘要
数字视频内容的指数级增长为基于时段（moment-level）的视频检索带来了关键挑战，而现有方法在高维视频语料库中精确定位特定片段方面效率低下。当前检索系统受限于计算效率低下、时序上下文不足以及导航视频内容的内在复杂性。为此，本文提出一种新的交互式视频语料库时段检索框架，集成 SuperGlobal 重排序机制与自适应双向时间搜索（Adaptive Bidirectional Temporal Search，ABTS），战略性地优化查询相似度、时序稳定性和计算资源。通过采用关键帧提取模型和图像哈希去重技术对大规模视频语料库进行预处理，我们提供了一个可扩展解决方案，显著减少存储需求，同时在多样化的视频仓库中保持高精度的局部化。
引用
@article{arxiv.2504.09297,
title = {Cycle Training with Semi-Supervised Domain Adaptation: Bridging Accuracy and Efficiency for Real-Time Mobile Scene Detection},
author = {Huu-Phong Phan-Nguyen and Anh Dao and Tien-Huy Nguyen and Tuan Quang and Huu-Loc Tran and Tinh-Anh Nguyen-Nhu and Huy-Thach Pham and Quan Nguyen and Hoang M. Le and Quang-Vinh Dinh},
journal= {arXiv preprint arXiv:2504.09297},
year = {2025}
}