arXiv · 机器人与计算机视觉· Zinuo Cheng, Yueqian Lin, Zhongxi Wang, Hai "Helen" Li, Yiran Chen·· 2 天前AI 评分68
VidEngram:基于结构化分层记忆的代理式长期视频理解
VidEngram: Agentic Long-Term Video Understanding via Structured Hierarchical Memory
AI 导读
论文提出了 VidEngram 系统,解决多模态模型对长视频重复编码导致的上下文浪费问题。该系统利用 Qwen2.5-Omni 联合生成音视频字幕,将片段记忆整合为事件和实体层,并配合文本代理规划器与检索工具生成基于证据的回答。
来源:arXiv · 机器人与计算机视觉 · arxiv.org