arXiv · AI· Yiheng Wang, Lichen Zhu, Yueqian Lin, Yudong Liu, Jingyang Zhang, Hai "Helen" Li, Yiran Chen·· 5 小时前AI 评分27
基于条件查询的证据关键帧采样提升长视频理解性能
Query-Conditioned Evidential Keyframe Sampling for MLLM-Based Long-Form Video Understanding
AI 导读
提出基于信息论的关键帧采样框架，最大化查询条件下帧与答案的条件互信息。 使用 Qwen2.5-VL-7B 模型在 32 帧预算下，较均匀采样在 LVBench 提升 10.1 分，VideoMME 长视频子集提升 4.4 分。 方法在同等帧预算下优于现有采样策略，被 WACV 2027 接收。
来源：arXiv · AI · arxiv.org