HyrCap：面向时序事件理解的动作提案混合排序校准框架

HyrCap 是一个以提案为中心的 query-based 时序动作检测框架，通过混合互补视频特征与排序校准，让提案排序置信度反映定位可靠性。它引入跨表示共识校准、定位质量估计和提案冗余抑制，并将校准后的提案作为 LLM 语义理解的输入。在公开基准上，HyrCap 在多项指标上达到 SOTA，并提出分阶段评测协议分别衡量事件定位、片段级语义理解与联合事件理解。