超越时间线：Grounded Entity Biographies增强长视频记忆能力
研究人员提出了Grounded Entity Biographies（GEB），一种用于回答超长视频问题的框架。GEB将同一物理对象在不同视频片段中的视觉定位观测连接起来，构建可检索的对象“传记”，同时保留每个时刻的上下文。在问答过程中，系统会将该传记与事件证据一同检索，从而跟踪对象在长时间事件序列中的经历。在四个基准测试中，包括持续一天和一周的录制内容，GEB均优于此前的视频记忆框架。在EgoLifeQA上，GEB达到72.0%的准确率，比已发表的最佳结果高4.4个百分点。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。