Dieser Bericht beschreibt unsere Einreichung für die Ego4D Moment Queries Challenge 2022. Unsere Lösung basiert auf ActionFormer, dem aktuellen Stand der Technik für die zeitliche Aktionslokalisierung, sowie auf einem Dreier-Set leistungsstarker Videofeatures aus SlowFast, Omnivore und EgoVLP. Unser Ansatz erreicht mit 21,76 % durchschnittlichem mAP auf dem Testset den zweiten Platz auf dem öffentlichen Leaderboard – das entspricht fast einem Dreifachen des offiziellen Baselines. Zudem erzielen wir eine Recall@1x von 42,54 % bei tIoU = 0,5 auf dem Testset und schlagen damit die führende Lösung mit einem signifikanten Abstand von 1,41 absoluten Prozentpunkten. Der Quellcode ist unter https://github.com/happyharrycn/actionformer_release verfügbar.