跳到正文
arXiv · AI· Shreya Rajpal, Michal Golovanevsky, Carsten Eickhoff·· 2026-10-14AI 评分20

PRISM 实现零样本无训练的程序性视频高效摘要

Less is More: Label-Guided Efficient Summarization of Procedural and Instructional Videos

AI 导读

PRISM 框架实现零样本、无训练的程序性视频摘要,仅选择少于 5% 的视频帧即可保留超过 84% 的语义内容。 该框架通过轻量级视觉过滤和动态生成的程序性标签作为语义锚点,相比基线性能提升最高达 7.5%。 实验在 YouCook2 和 ActivityNet Captions 数据集上进行,证明了基于动态语义锚点的多模态视频理解效率。

来源:arXiv · AI · arxiv.org