MEMO：免训练流式视频理解记忆框架

1. 12:00
   arXiv cs.CV

   MEMO：面向流式视频理解的多层级实体感知记忆框架

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。