研究人员开发了TimeProVe，一个旨在提高长视频中时间推理效率的新型框架。该方法使用轻量级模块来提出潜在答案和证据，仅在需要时才调用计算成本更高的视觉语言模型（VLMs）进行有针对性的验证。TimeProVe引入了基于动作的候选证据（ACE）模块和一个新的基准测试OpenTSUBench（OTB），用于评估日常生活场景的真实世界活动。该框架显著减少了VLM调用和推理成本，同时在OTB上取得了最先进的成果，并在其他基准测试上取得了有竞争力的性能。 AI
影响 降低了长视频分析的计算成本，可能使先进人工智能在视频理解领域的应用更加广泛。
排序理由 该集群包含一篇详细介绍视频时间推理新框架和基准测试的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.20561v1 Announce Type: new Abstract: Long Video Question Answering (LVQA) requires identifying sparse, query-relevant evidence within hours-long untrimmed videos. Existing approaches either process videos densely with large vision-language models (VLMs), incurring proh…
Long Video Question Answering (LVQA) requires identifying sparse, query-relevant evidence within hours-long untrimmed videos. Existing approaches either process videos densely with large vision-language models (VLMs), incurring prohibitive computational cost, or rely on sparse ca…