时序事件候选框排序校准示意图

概览

视频时序事件候选框校准的四区示意图。这是一张可编辑的 PowerPoint 图，依据 CC BY 4.0 许可改编自论文原图。

图中内容

(a) 查询式事件候选生成：视频库图标和胶片条送入两个冻结的视频编码器（A / B，带雪花徽标），各自的特征 token 行进入 Transformer 解码器（可学习查询、带弧线的自注意力块和 FFN 网格、查询头），得到两条 (segment, label, score) 候选框时间轴。(b) 候选框排序校准四步（编号小节）：1 跨表示一致性校准（两组候选框之间的 tIOU 匹配、可训练的 α / β 加权求和、校准前后的候选框条）；2 定位质量估计（候选框堆叠 → MLP → 质量分数 q^loc_i）；3 候选框冗余抑制（候选框图 → 关系编码器 → 关系抑制分数 d_i）；4 后处理（时序框投票和多类 NMS）；两路分数汇入分数计算卡片，对候选框重新排序得到最终检测结果，并附可训练 / 冻结图例。(c) 单阶段定位-分类检测协议：视频帧 → 编码器 → 特征列 → 带 tIOU-类别小图的定位分类检测器 → 综合评估和最终输出事件。(d) 两阶段先定位协议：编码器 → 带事件 / 背景小图的纯定位检测器 → 定位评估 → 可训练投影层 → 冻结的大语言模型（分类 / 描述）→ 综合评估和最终输出。每个方框、箭头、标签和公式都是原生形状，改配色、改文字、拆开单独用都行，适合组会汇报、开题、论文配图和海报。

文件格式

下载包含：.pptx（1 页，13.84 × 9.47 英寸；PowerPoint、Keynote、WPS、LibreOffice 都能打开；Google Slides 也能用，但复杂自由曲线可能略有偏移）、.svg、.drawio。附原尺寸预览图 preview.png，另有 1200 px 网页预览图。

形状与编辑

718 个原生可编辑形状：404 个自选图形、105 个文本框、22 个自由曲线、187 条线条/连接线（另有 10 个小编组）。不含任何嵌入图片，全部矢量。可编辑内容：全部文字和公式（α、β、Σ、q^loc_i、d_i）、胶片条和数据库图标、两个视频编码器方框、每个特征 token 格、带查询列、注意力弧线和 FFN 网格的 Transformer 解码器、所有候选框条和时间轴、tIOU 匹配连线、加权求和模块、校准前 / 后候选框列、MLP 和关系编码器的节点图、候选框图、带重排叉线的分数计算卡片、投票和 NMS 框条、火焰和雪花徽标、检测器小图、编码器梯形、投影层和大语言模型竖条、评估卡片、编号步骤徽标、所有箭头和每个面板。

嵌入图片与字体

本文件不含任何嵌入图片，全部为矢量。所有视频帧（顶部胶片条和两个检测协议面板里的竖向胶片条）都是用天空、山脊、山丘、地面色块拼的扁平矢量示意图，里面没有人物，不是论文里的视频画面；需要真实画面时直接把自己的帧盖上去即可。正文和公式统一用 Times New Roman（Windows 和 macOS 自带；LibreOffice 会用等宽度的 Liberation Serif 显示）。上下标是真正的上标 / 下标文字格式，不是公式编辑器对象。SVG 里的文字仍是可编辑文字；draw.io 文件是逐个形状转换的，个别位置可能要微调。本文件是忠实重绘，不是作者的原始源文件。