跳到正文
arXiv · 机器人与计算机视觉· Yancheng Long, Xuanyu Zheng, Wei Chen, Luoyuan Zhang, Haoyang Xu, Bin Wen, Tingting Gao·· 2 天前精选AI 评分78

VideoNexus:一种无需训练的长视频感知框架

VideoNexus: Video Perception Beyond the Reasoning Context

AI 导读

针对长视频理解中感知与推理上下文负担过重的问题,本文提出 VideoNexus 框架,将详细视频感知从证据驱动的规划与推理中解耦。该框架由规划器控制检查位置、分辨率及采样密度,感知子智能体在独立上下文中处理原生音视频并返回紧凑的时间锚定证据。

推荐理由

该框架通过分离感知与规划,在降低推理上下文负担的同时提升了长视频理解准确率。

来源:arXiv · 机器人与计算机视觉 · arxiv.org