通过多样化推理策略提升弱监督视频定位：面向边界与预测选择
计算机视觉与模式识别
2025-04-01 v1
摘要
弱监督视频定位旨在无显式时间边界标记的情况下局化与给定查询相关的时序边界。虽然现有方法主要使用高斯基提案，但忽视了 (1) 边界预测和 (2) 推理过程中顶部 1 预测选择的重要性。在边界预测中，这些方法仅将边界设为高斯均值两侧半个标准差的位置，可能无法准确捕获最优边界。在顶部 1 预测过程中，这些方法过度依赖与其他提案的交集，未考虑每个提案的质量差异。为此，我们通过引入 (1) 多种新颖边界预测方法从多个高斯分布捕获多样化边界和 (2) 考虑提案质量的新型选择方法来探索各种推理策略。在 ActivityNet Captions 和 Charades-STA 数据集上进行大量实验验证了我们的推理策略的有效性，证明无需额外训练即可实现性能提升。
引用
@article{arxiv.2503.23181,
title = {Enhancing Weakly Supervised Video Grounding via Diverse Inference Strategies for Boundary and Prediction Selection},
author = {Sunoh Kim and Daeho Um},
journal= {arXiv preprint arXiv:2503.23181},
year = {2025}
}