arXiv cs.CV· Yinying Li, Yuqian Fu, Yulin Dai, Jingyu Gong, Tianwen Qian, Xiaoling Wang·· 6 小时前AI 评分24
MEMO：面向流式视频理解的多层级实体感知记忆框架
MEMO: Multi-Level Entity-Aware Memory for Streaming Video Understanding
AI 导读
MEMO 是一个面向流式视频理解的多层级实体感知结构化记忆框架，通过将视频切分为语义连贯的块，分别存储轻量级全局与实体级检索索引和高分辨率视觉内容，推理时按查询检索并召回相关视觉证据。该框架无需训练、可即插即用地接入现有多模态大语言模型，在 StreamingBench 和 OVO-Bench 上持续提升多个基座模型并达到 SOTA，论文已被 ACM MM 2026 接收。
来源：arXiv cs.CV · arxiv.org