面向长视频理解的 MLLM 无关即插即用关键帧选择方法评估

英文标题：Evaluation of MLLM-Agnostic Plug-and-Play Keyframe Selection Methods for Long Video Understanding

该论文关注多模态大语言模型（MLLM）在长视频理解中的关键帧选择问题。由于视觉 token 预算和计算资源有限，MLLM 无法处理长视频中的每一帧。论文评估了与具体 MLLM 无关、可即插即用的关键帧选择方法，旨在为长视频任务中的高效视频采样与模型部署提供参考。原文提供的摘要片段未包含具体实验数据、评测结论或方法细节。

2.1 KB 461 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB