English(EN) Persistent Object Narratives for Token-Efficient Video Language Models

新的SlotNarrative接口提高了视频-LLM的令牌效率

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-06 04:00

研究人员推出了一种名为SlotNarrative的新型接口，旨在提高视频大型语言模型（Video-LLMs）的令牌效率。该系统使用紧凑的对象状态令牌将视频组织成持久化对象叙事，这些令牌代表对象在不同片段中的身份及其状态（外观、几何形状、可见性、轨迹）。与之前压缩逐帧特征的方法不同，SlotNarrative首先将视觉特征分组到类似对象的槽中，然后通过无参数内存将重复的观察与剪辑级条目关联起来。这种方法为冻结的Video-LLM分配了固定的144个视觉令牌位置，而与采样帧的数量无关，并在各种数据集上展示了有利的准确性-令牌权衡。 AI

影响这一新接口可以显著降低视频理解任务的计算成本，从而拓宽Video-LLMs的应用范围。

排序理由该项目是一篇学术论文，详细介绍了一种用于视频语言模型的新技术方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该项目是一篇学术论文，详细介绍了一种用于视频语言模型的新技术方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 63 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Junzhe Chen, Siyuan Meng, Xiaojie Guo · 2026-08-06 04:00

面向提高效率的视频语言模型的持久对象叙事

arXiv:2608.04866v1 Announce Type: new Abstract: Video large language models (Video-LLMs) have made strong progress in open-ended video understanding. However, their visual interfaces remain token-intensive and provide limited explicit structure for linking recurring object eviden…

本文如何被排名

报道来源 [1]

面向提高效率的视频语言模型的持久对象叙事

相关实体

相关话题