arXiv cs.CV· Yuhao Qin, Junbo Wang, Yuke Li, Yining Zhu·2026-10-07 12:00· 9 小时前AI 评分24

EC-RAG：面向长视频理解的事件链检索增强生成框架

EC-RAG: Event Chain Retrieval-Augmented Generation for Long Video Understanding

AI 导读

EC-RAG 是一个免训练框架，先将视频切分为语义连贯的片段并链接成保留时序的事件链，再针对查询定位相关事件、聚合语音文本与视觉等多模态证据。它在 Video-MME、MLVU 和 LongVideoBench 上持续优于帧级检索基线，并可即插即用兼容现有 LVLM 主干，无需额外训练或依赖闭源模型。

来源：arXiv cs.CV · arxiv.org

多模态 AI 视频论文研究 #论文/研究 #RAG #多模态 #视频