VideoTapestry框架实现长视频理解SOTA

发生了什么

据arXiv论文，VideoTapestry是一种无需训练的基于查询自适应记忆优化的多智能体长视频理解框架。该框架通过粗到细的查询驱动精炼，适应预构建的分层视频记忆。在LVBench、LongVideoBench (Long)、Video-MME (Long)和EgoSchema上，其绝对准确率分别提升17.2%、14.9%、9.8%和7.0%，达到当前最先进水平。