研究人员开发了 ChronoStitch，这是一种新颖的、无需训练的方法，旨在改进长时序视频中的时序推理。该技术解决了组合视频片段中独立缓存的视觉键值（KV）记忆的挑战，这些记忆通常会遭受时间相位冲突和全局顺序丢失。ChronoStitch 将存储的键重新定位到全局多模态坐标系中，并选择性地重新计算一小部分 token 来弥合内容差距。在 Qwen2.5-VL-3B 和 TempCompass 上进行测试，ChronoStitch 证明了卓越的事件排序准确性，并实现了比完全联合重新预填充快 3.3 倍的速度。 AI
影响 该方法可以实现对长视频更有效、更准确的分析，影响监控、内容审核和视频摘要等应用。
排序理由 这是一篇研究论文，详细介绍了一种用于计算机视觉时序推理的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
