DeltaStreamer以类人代理式观察理解流式视频
DeltaStreamer是一种用于理解流式视频的代理框架。它将视觉变化记录在结构化记忆中，而非仅对画面内容进行概括。收到问题后，规划器会确定所需证据，并可重新播放历史帧，以找回观察时未保留的细节。该方法将持续观察与针对具体问题的主动调查结合起来。作者称，在OVO-Bench和StreamingBench测试中，DeltaStreamer分别取得66.07%和59.53%的成绩，优于具有代表性的流式视频理解方法。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。