视频大模型

FineQuest: Adaptive Knowledge-Assisted Sports Video Understanding via Agent-of-Thoughts Reasoning

Haodong Chen, Haojian Huang, XinXiang Yin, Dian Shao

机构 * School of Automation, Northwestern Polytechnical University（自动化学院，西北工业大学） ； The University of Hong Kong（香港大学） ； School of Software, Northwestern Polytechnical University（软件学院，西北工业大学） ； Unmanned System Research Institute, Northwestern Polytechnical University（无人系统研究院，西北工业大学） 纠错

专题命中 视频问答 ：video understanding(title,abstract)；分类 cs.CV

Comments ACM MM 2025

Static or Dynamic: Towards Query-Adaptive Token Selection for Video Question Answering

Yumeng Shi, Quanyu Long, Wenya Wang

机构 * Nanyang Technological University（南洋理工大学） 纠错

专题命中 视频问答 ：video language model(abstract)；long video(abstract)；分类 cs.CV

Comments Accepted to EMNLP 2025 (main)

Bridging Vision Language Models and Symbolic Grounding for Video Question Answering

Haodi Ma, Vyom Pathak, Daisy Zhe Wang

机构 * Univerisy of Florida（佛罗里达大学） 纠错

专题命中 视频问答 ：video understanding(abstract)；分类 cs.CV