要約
エゴセントリックな手順タスク動画に対するオンライン行動分割の問題に取り組む。従来の研究では、学習および推論の両方において動画全体が利用可能であるオフライン行動分割に焦点が当てられてきたが、AR/VRタスクアシスタントなどの実用的応用においては、オンライン行動分割への移行が不可欠である。特に、オフラインで学習されたモデルを直接オンライン推論に適用すると、学習と推論の間に一貫性が欠けるため、性能が著しく低下する。本研究では、以下の3段階のアプローチによりオンライン行動分割フレームワークを提案する。第一に、既存のアーキテクチャを因果的（causal）に修正することで、リアルタイム推論に対応可能にする。第二に、進行中の行動の進行度を動的に推定する新しい行動進行予測モジュールを構築し、これを用いて因果的行動分割の予測を精緻化する。第三に、学習用動画からタスクグラフを学習し、それを活用して一貫性があり滑らかな分割結果を得る。因果的行動分割と進行度情報、タスクグラフを統合することで、本フレームワークはオンライン行動分割における予測の不確実性や過分割（oversegmentation）を効果的に緩和し、3つのエゴセントリックデータセットにおいて顕著な性能向上を達成した。