跳到正文
arXiv · 机器人与计算机视觉· Xinyu Deng, Siwen Luo, Daochang Liu·· 28 天前AI 评分48

Agentic Video Understanding:面向视频理解的智能体综述

Agentic Video Understanding: A Survey

AI 导读

该综述正式定义了视频理解智能体的循环机制,通过挑战 - 设计分类法解析了从上下文瓶颈到多模态歧义的解决路径。文章系统回顾了状态空间范式、学习范式及监督信号等核心要素,并明确了迈向原生时序建模与视频原生智能体的开放方向。目前论文已接受 DICTA 2026,共 15 页含 3 幅图,代码与数据许可情况未明确说明。

来源:arXiv · 机器人与计算机视觉 · arxiv.org