Homer：利用分层记忆与代理推理理解长视频
英文标题：Homer: Understanding Long-form Videos with Hierarchical Memory and Agentic Reasoning
论文提出 Homer 框架，通过分层记忆与代理推理机制，使多模态大模型能够有效处理长达数小时的视频流，在有限内存下进行在线增量处理。该工作针对现有模型在长视频理解中的记忆瓶颈，尝试在保留关键语义信息与计算效率之间取得平衡。若取得成功，有望提升视频问答、实时监控等场景的实用性和可扩展性。
打开原文相关 7.2 · 机会 0
2.6 KB
2.1 KB
612 B
380 B
9.1 KB
22.8 KB
24.2 KB
34.7 KB
中文
Homer：利用分层记忆与代理推理理解长视频
arXiv:2607.02588v1 公告类型：new
摘要
多模态大语言模型擅长处理短视频片段，但在在线设置下处理长达数小时的视频时却举步维艰，此设置中视频帧被逐步处理且内存有限。现有在线方法要么保留紧凑的视觉表示，但缺乏…
BibTeX 格式化引用
English / 原文
BibTeX formatted citation
×