arXiv · cs.AI · Yiheng Wang, Lichen Zhu, Yueqian Lin, Yudong Liu, Jingyang Zhang, Hai "Helen" Li, Yiran Chen · 6 小时前模型评分31
基于查询条件证据的关键帧采样框架，提升 MLLM 长视频理解
Query-Conditioned Evidential Keyframe Sampling for MLLM-Based Long-Form Video Understanding
导读
研究者提出一种证据驱动的关键帧采样框架，用查询条件证据评分网络挑选支撑答案的画面，在相同帧预算下优于以往采样策略。基于 Qwen2.5-VL-7B、32 帧预算时，该方法在 LVBench 上比均匀采样高 10.1 分，在 VideoMME 长视频子集上高 4.4 分。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “In this work, we propose an evidence-driven keyframe sampling framework motivated by an information-theoretic perspective.”
来源：arXiv · cs.AI · arxiv.org