跳到正文
arXiv · 机器人与计算机视觉· Yucheng Liu, Yufei Yin, Mingxiao Feng, Jiajun Deng, Wengang Zhou, Houqiang Li·· 2026-10-06精选AI 评分78

VideoTapestry:面向多智能体长视频理解的查询自适应记忆细化

VideoTapestry: Query-Adaptive Memory Refinement for Multi-Agent Long-Video Understanding

AI 导读

针对长视频理解中跨时间跨度信息检索的需求,本文提出了 VideoTapestry 这一无需训练的框架。该框架通过粗到细的层级构建预构造记忆,并分配专用智能体进行查询驱动的精细化定位与观察,最终组装出紧凑且保留细节的复合记忆。在 LVBench、LongVideoBench (Long)、Video-MME (Long) 和 EgoSchema 等基准上,相比直接推理实现了显著的绝对精度提升。

推荐理由

提出无需训练的查询自适应记忆框架,在长视频理解基准上实现绝对精度提升。

来源:arXiv · 机器人与计算机视觉 · arxiv.org