CAM 提出实体中心视频问答新方法，长视频问答准确率提升超 23%

CAM: Question Answering on Entity-Centric Videos with Continuous Extraction and Adaptive Querying

CAM 提出一种基于实体中心视频的问答方法，通过连续提取和自适应查询解决长视频问答难题。该方法将视频片段中提取的实体与关系存入知识图谱，当子图达到预设规模时总结其高语义特征；同时支持知识图谱遍历、视频重看及音频聆听等多种检索方式，利用规划 - 执行 - 验证流水线根据问题意图动态组合检索策略。在三个基准测试中，CAM 性能优于最先进基线，准确率提升最高达 23 个百分点。代码已开源。