arXiv · AI· Haopeng Jin, Wenlong Zhao, Tao Yu, Tiankun Yang, Zhenyu Guan, ShiQuan Dong, Yujia Yang, Shani Ye, Chubin Chen, Hongzhu Yi, Jinwen Luo·· 2026-10-14AI 评分42
HIMMEL:面向长视频理解的分层交错多流运动编码
HIMMEL: Hierarchical Interleaved Multi-stream Motion Encoding for Long Video Understanding
AI 导读
HIMMEL 在 Video-MME 基准上以 63.5% 的成绩超越 32 帧密集基线 2.3 个百分点,且上下文 Token 数量减少 3.6 倍。 该方法通过轻量级三流适配器从运动向量等图中提取运动特征,并采用 InfoNCE 对齐目标优化模型。 单张 NVIDIA H20 GPU 即可运行端到端推理,耗时 1.03 秒,相关成果已被 NeurIPS 2026 接收。
来源:arXiv · AI · arxiv.org