用于 TimeLogicQA 的具有结构化视觉证据的时间证据路由

TimeLogicQA 评估视频问答系统是否可以对事件存在、排序、持久性、边界条件和重叠等时间关系进行推理。我们通过视觉证据路由管道来解决此任务，该管道将感知与符号时间推理分开。系统首先将每个问题解析为事件目标、答案模式、候选选项和时间运算符。然后，它根据持续时间和操作员难度来路由视频，对短视频使用有序的全帧证据，对长视频使用以事件为中心的候选窗口。多模态 大语言模型 为相关事件生成结构化的视觉证据，而程序化验证器恢复密集的动作间隔，确定性缩减器应用特定于操作员的时间规则来生成最终答案。仅当视觉证据、时间程序和置信度检查一致时，保守融合才会接受答案，从而减少嘈杂的答案翻转。在官方测试评估中，我们最终系统的 AvgAcc 为 81.8。