arXiv提出EC-RAG长视频理解框架

发生了什么

据arXiv cs.CV报道，研究团队于2026年10月6日提交论文，提出EC-RAG（事件链检索增强生成）框架以解决长视频理解中时间依赖性捕捉难题。该无训练框架将视频划分为语义连贯片段并链接为结构化事件链，通过聚合语音、文本和视觉线索进行推理。实验显示其在Video-MME、MLVU和LongVideoBench基准上优于帧级检索基线。