OZ-TAL：在线零样本时序动作定位
计算机视觉与模式识别
2026-05-12 v1
摘要
在线时序动作定位（On-TAL）旨在动作完成时立即检测未剪辑流视频中动作的发生时间与类别。该领域的近期进展侧重于开发更复杂的框架，从基于在线动作检测（OAD）的聚合范式转向实例级理解。然而，现有方法通常在特定领域上训练，应用于任意视频时往往泛化能力有限，尤其是在存在先前未见动作的情况下。本文引入了一项名为在线零样本时序动作定位（OZ-TAL）的新任务，旨在以在线方式检测先前未见的动作。此外，我们提出了一个免训练框架，利用现成的视觉语言模型（VLM），同时引入额外机制以增强视觉表示并缓解其固有偏差。我们在 THUMOS14 和 ActivityNet-1.3 上为 OZ-TAL 建立了新的基准和代表性基线，大量实验表明，在离线和在线零样本设置下，我们的方法均显著优于现有的 SOTA 方法。
引用
@article{arxiv.2605.09976,
title = {OZ-TAL: Online Zero-Shot Temporal Action Localization},
author = {Chaolei Han and Hongsong Wang and Xin Gong and Jie Gui},
journal= {arXiv preprint arXiv:2605.09976},
year = {2026}
}