Yiheng Wang团队提出基于条件查询的长视频关键帧采样框架

Yiheng Wang等提出了一种基于信息论视角的证据驱动关键帧采样框架，用于提升多模态大模型（MLLM）的长视频理解性能。该框架旨在最大化查询条件下关键帧与答案的条件互信息。 该研究使用Qwen2.5-VL-7B模型在32帧预算下进行了测试。结果显示，相较于均匀采样策略，该方法在LVBench基准上提升了10.1分，在VideoMME长视频子集上提升了4.4分。 该方法在同等帧预算下优于现有的采样策略，相关研究成果已被WACV 2027会议接收。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。