English(EN) EARS: Evidence-Aware Retrieval via Sound and Motion for Budgeted Video Reasoning

新的EARS系统通过使用声音和运动来选择帧来改进视频推理

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-27 04:00

研究人员开发了EARS（Evidence-Aware Retrieval via Sound and Motion），一个旨在通过智能选择帧进行分析来改进视频推理的新颖系统。与均匀帧采样不同，EARS利用音频能量和光流运动来识别和排序包含关键证据的帧。这种方法显著提高了定位精度，在为视觉语言模型（VLM）选择K帧时，实现了0.94的AP，而均匀采样为0.88。然而，EARS的有效性取决于视频内容，在没有运动或音频线索的静默或隐蔽事件上表现不佳。 AI

影响这种方法可以提高分析视频内容的AI系统的效率和准确性，特别是在事件稀疏但包含丰富运动或音频的场景中。

排序理由学术论文，详细介绍了一种新的视频推理方法。[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: 4 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了一种新的视频推理方法。[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, other; 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: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Shih-Yao Lin · 2026-10-27 04:00

EARS：通过声音和运动进行证据感知检索以实现预算视频推理

arXiv:2610.35536v1 Announce Type: new Abstract: Uniform frame sampling can miss brief evidence in sparse-event videos when the VLM sees only K frames. We propose EARS (Evidence-Aware Retrieval via Sound and motion), a training-free, query-free front-end that ranks frames using op…

本文如何被排名

报道来源 [1]

EARS：通过声音和运动进行证据感知检索以实现预算视频推理

相关实体

相关话题