知识卡片：任意视频时序定位器的保形覆盖保证

一句话结论

COVER 是一个后处理、模型无关的包装器，能将任意视频时序定位器（temporal grounder）的输出从单一区间转化为一个带统计保证的时间区域，使得真实时刻以至少 1−α 的概率落入其中，并给出有限样本、无分布假设下的理论保证。

事件概述 / 研究问题

连续视频中的事件边界存在本质模糊性：对同一“查询-视频”对重新标注时，独立标注者标记的时间区间有相当大比例重叠不足一半。因此，视频时序定位（video temporal grounding）的“真值”实际是区间上的一个分布，而非单一区间。然而现有定位器通常只返回一个区间，不附带任何可靠性说明，导致在部署时错误的区间与正确的区间难以区分。COVER 正是为了解决这一可靠性缺口而提出。

方法 / 产品要点

• 后处理包装器：COVER 是 post-hoc、model-agnostic 的方法，无需重新训练，也无需访问模型内部（black-box 也可）。
• 核心机制：在保留标签集合上校准时间非一致性分数（temporal nonconformity score）的分数分位数，并用该分位数拓宽基模型的预测区间，从而获得覆盖真实时刻概率至少为 1−α 的时间区域。
• 两种分数族：
  1. 双向边界拓宽分数：适用于输出单个区间的定位器；
  2. 超水平集分数：适用于输出相关性信号的定位器。
• 理论贡献：针对视频时序定位发展了专属理论，包括：
  • 给出认证区域（certified region）增大规模的上界；
  • 研究在事件长度条件化下覆盖率是否依然成立；
  • 分析当同一视频中的时刻破坏了可交换性时，覆盖率如何退化。

主要结果 / 产业意义

在三个基准数据集和五个不同定位器上，COVER 实现的实际覆盖率与目标覆盖率保持一致。摘要指出“校准能够揭示点指标所隐藏的问题”，意味着传统的点级评估可能掩盖了定位结果可靠性的真实状况。该工作为将视频时序定位器用于安全关键或高可靠场景提供了不确定性量化基础。

为什么重要

视频时序定位在实际应用中常被当作确定性问题处理，但事件边界的标注歧义决定了单一区间输出本质上是不完整的。COVER 首次为这类模型提供了一种与具体模型无关的、可证明的覆盖保证，填补了“模型输出可靠性”这一关键空白。与已有相关卡片相比，本条关注的是视频时序定位的保形覆盖与不确定性量化，属于可靠性方向的新增量。

局限与不确定性

• 保证成立依赖于可交换性（exchangeability）假设；摘要也讨论了当同一视频内的时刻破坏该假设时的覆盖率退化情况，但具体退化幅度需查阅原文确认。
• 摘要未提供三个基准的具体数值、使用的 α 取值、以及各定位器的具体性能提升数据，均待核实。

可用于图书/PPT/简报的角度

• 案例：如何在“视频问答”“事件检索”等任务中为定位结果附加一个可解释的置信时间区域。
• 观点：不确定环境下的时间定位不能只给“一段答案”，还应给出覆盖真实时刻的可靠区间。
• 对比：与结构预测、时序规划等视频理解任务相比，本工作展示了一种通用的“事后校准+统计保证”范式的适用性。

与既有脉络的关系

已有相关卡片涉及 VidMap（时序运动恢复）、自动驾驶时序规划框架、几何互易定理（立体视频生成）。本条不与之重复，而是在视频时序定位这一更细分任务上引入不确定性量化，属于对视频理解可靠性方向的补充和延伸。

原始材料

• 英文标题：Conformal Coverage Guarantees for Any Video Temporal Grounder
• arXiv ID：2608.07434v1
• 作者：Aseel Mohamed, Rasul Khanbayov, Erchin Serpedin, Hasan Kurban
• 发布/更新：2026-08-07
• 分类：cs.CV, cs.IR
• Abstract / PDF URL：https://arxiv.org/abs/2608.07434v1
• 来源摘要（英文原文）：Event boundaries in continuous video are ambiguous ... calibration exposes what point metrics hide.
• 英文关键词：Conformal Prediction; Video Temporal Grounding; Uncertainty Quantification; Coverage Guarantee; Model-agnostic