会员服务
Q-Fold: Query-Aware Focus-Context Spatio-Temporal Folding for Long Video Understanding
Arxiv
0+阅读 · 6月10日
From Content to Knowledge: Lightning Fast Long-Video Understanding with Neural Knowledge Representations
Arxiv
0+阅读 · 6月10日
Where to Focus: Query-Modulated Multimodal Keyframe Selection for Long Video Understanding
Arxiv
0+阅读 · 4月19日
VideoARM: Agentic Reasoning over Hierarchical Memory for Long-Form Video Understanding
Arxiv
0+阅读 · 3月30日
Video Panels for Long Video Understanding
Arxiv
0+阅读 · 4月20日
Hierarchical Long Video Understanding with Audiovisual Entity Cohesion and Agentic Search
Arxiv
0+阅读 · 3月24日
VideoDetective: Clue Hunting via both Extrinsic Query and Intrinsic Relevance for Long Video Understanding
Arxiv
0+阅读 · 3月23日
VSI: Visual Subtitle Integration for Keyframe Selection to enhance Long Video Understanding
Arxiv
0+阅读 · 4月10日
AdaptToken: Entropy-based Adaptive Token Selection for MLLM Long Video Understanding
Arxiv
0+阅读 · 3月30日
Agentic Very Long Video Understanding
Arxiv
0+阅读 · 3月5日
Learning Compact Video Representations for Efficient Long-form Video Understanding in Large Multimodal Models
Arxiv
0+阅读 · 2月19日
ReMoRa: Multimodal Large Language Model based on Refined Motion Representation for Long-Video Understanding
Arxiv
0+阅读 · 2月18日
VideoTemp-o3: Harmonizing Temporal Grounding and Video Understanding in Agentic Thinking-with-Videos
Arxiv
0+阅读 · 2月8日
Hierarchical Long Video Understanding with Audiovisual Entity Cohesion and Agentic Search
Arxiv
0+阅读 · 1月20日
VideoPro: Adaptive Program Reasoning for Long Video Understanding
Arxiv
0+阅读 · 1月22日
参考链接
微信扫码咨询专知VIP会员
Top