ShallowStream：用浅层索引与深层回答实现流式视频理解
ShallowStream: Index Shallow then Answer Deep for Streaming Video Understanding
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
ShallowStream 是一个面向流式视频理解的新框架，利用 MLLM 浅层同时完成帧编码与检索索引构建，查询时再基于浅层注意力分数和多样性感知策略选取上下文帧作答。它在性能持平最强流式方法的同时，将单帧 prefill 延迟和 10 秒端到端延迟分别最多降低 52.1x 和 11.9x，代码已开源。
来源：Hugging Face Daily Papers · arxiv.org