La recherche vidéo composée consiste à trouver des vidéos basées sur une combinaison d'indices visuels et textuels, comme 'une personne qui marche puis court'. Les méthodes traditionnelles traitent souvent cela comme un simple problème de correspondance de similarité, ignorant la structure temporelle et causale de la requête. CoVR-R répond à ce problème en modélisant explicitement les étapes de raisonnement, telles que l'ordre temporel et les relations de cause à effet, dans le processus de recherche. La méthode atteint des résultats de pointe sur des ensembles de données de référence, démontrant que la recherche consciente du raisonnement surpasse significativement les approches naïves basées sur la similarité. Ce travail a des implications pour des applications comme la recherche vidéo, l'analyse de surveillance et la modération de contenu, où la compréhension du flux narratif ou logique des événements est cruciale. Pour les chercheurs en IA multimodale, CoVR-R offre une nouvelle direction pour intégrer le raisonnement dans les systèmes de recherche.
Un article de recherche présentant CoVR-R, une méthode de recherche vidéo composée consciente du raisonnement qui améliore la précision en intégrant le raisonnement temporel et causal.