arXiv · 机器人与计算机视觉· Junxiang Wen, Yinxi Zhao, Jiawei Chen, Jingying Hu, Lijun Wang, Zhen Qin, Shuiguang Deng·· 13 小时前AI 评分43
APS:基于自适应分区的长视频理解框架
APS: Adaptive Partitioning-Based Frame Selection for Long Video Understanding
AI 导读
APS 提出一种无需训练的框架,通过动态规划优化时间分区以适配查询帧相关性,在有限视觉预算下实现高效帧选择。实验表明该方法在 Video-MME、MLVU 和 LongVideoBench 基准上均优于均匀采样及其他竞争方法,且具备跨模型规模与架构的泛化性。
来源:arXiv · 机器人与计算机视觉 · arxiv.org