Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2509.11796

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2509.11796 (cs)
[提交于 2025年9月15日 ]

标题: FineQuest:通过思维代理推理的自适应知识辅助体育视频理解

标题: FineQuest: Adaptive Knowledge-Assisted Sports Video Understanding via Agent-of-Thoughts Reasoning

Authors:Haodong Chen, Haojian Huang, XinXiang Yin, Dian Shao
摘要: 基于大型语言模型(LLMs)的视频问答(VideoQA)在一般的视频理解方面显示出潜力,但在应用于体育视频这一本质上复杂的领域时面临重大挑战。 在本工作中,我们提出了FineQuest,第一个无需训练的框架,该框架借鉴认知科学中的双模式推理:i)反应性推理用于直接的体育查询,ii)反思性推理用于更复杂的查询。 为了弥合通用模型与特定领域体育理解之间的知识差距,FineQuest结合了SSGraph,这是一个跨九种体育项目的多模态体育知识场景图,它编码了视觉实例和领域特定术语以提高推理准确性。 此外,我们引入了两个新的体育VideoQA基准测试,Gym-QA和Diving-QA,它们来源于FineGym和FineDiving数据集,使得评估更加多样和全面。 FineQuest在这些基准测试以及现有的SPORTU数据集上取得了最先进的性能,同时保持了强大的通用VideoQA能力。
摘要: Video Question Answering (VideoQA) based on Large Language Models (LLMs) has shown potential in general video understanding but faces significant challenges when applied to the inherently complex domain of sports videos. In this work, we propose FineQuest, the first training-free framework that leverages dual-mode reasoning inspired by cognitive science: i) Reactive Reasoning for straightforward sports queries and ii) Deliberative Reasoning for more complex ones. To bridge the knowledge gap between general-purpose models and domain-specific sports understanding, FineQuest incorporates SSGraph, a multimodal sports knowledge scene graph spanning nine sports, which encodes both visual instances and domain-specific terminology to enhance reasoning accuracy. Furthermore, we introduce two new sports VideoQA benchmarks, Gym-QA and Diving-QA, derived from the FineGym and FineDiving datasets, enabling diverse and comprehensive evaluation. FineQuest achieves state-of-the-art performance on these benchmarks as well as the existing SPORTU dataset, while maintains strong general VideoQA capabilities.
评论: ACM MM 2025
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2509.11796 [cs.CV]
  (或者 arXiv:2509.11796v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2509.11796
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Haodong Chen [查看电子邮件]
[v1] 星期一, 2025 年 9 月 15 日 11:27:23 UTC (5,522 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-09
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号