Video Evidence Indexing

新框架提升MLLM处理长视频的效率 · 跟踪3个来源

研究人员开发了新的方法来提高多模态大型语言模型（MLLMs）在处理长视频时的效率。FORTE 使用自适应评分和高斯过程来选择与问题相关的帧，平衡预测的相关性与时间覆盖范围。视频证据索引（VEI）采用一种策略，利用视频预览和特权自蒸馏来学习定位相关时刻并规划预算分配。FocusGraph 利用场景图 LLM 选择器和图结构帧选择来识别具身智能体的关键帧，降低推理成本。