REMAP：基于正则化匹配与部分对齐的视频嵌入

现实世界的 instructional video 往往较长、噪声较大，且包含大量背景段落、重复动作以及不对应于有意义程序步骤的执行变异性。我们提出 **REMAP**，一个基于 *Regularized Fused Partial Gromov-Wasserstein Optimal Transport* 的无监督程序学习框架。REMAP 放宽平衡运输约束，允许非信息性或冗余帧保持未匹配状态，通过部分运输实现。该方法联合建模语义相似性和时间结构，并纳入拉普拉斯基平滑和结构正则化，以防止退化对齐并减少背景干扰。我们在大规模 egocentric 和 third-person 基准测试上评估了 REMAP。该方法在 EgoProceL 上 consistently优于最先进的方法，实现了最高可达 **11.6%（+4.45pp）** 的 F1 和 **19.6%（+4.73pp）** 的 IoU 提升，在 ProceL 和 CrossTask 上实现平均 **41%（+17.15pp）** 的 F1 增益。这些结果凸显了在处理现实世界程序变异性方面，部分对齐的重要性，并表明 REMAP 提供了一种稳健且可扩展的教学视频理解方法。