视频大模型

EEA: Exploration-Exploitation Agent for Long Video Understanding

EEA：长视频理解的探索-利用代理

Te Yang, Xiangyu Zhu, Bo Wang, Quan Chen, Peng Jiang, Zhen Lei

机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） ； Kuaishou Technology（快手科技） ； Centre for Artificial Intelligence and Robotics, HKISI, Chinese Academy of Sciences（人工智能与机器人中心，HKISI，中国科学院） 纠错

专题命中 视频理解 ：video understanding(title,abstract)；long video(title)；分类 cs.CV

AI总结 EEA通过语义引导的分层树搜索实现长视频理解中的探索与利用平衡，结合视觉语言模型和语义先验提升视频分析的效率与精度。

PSA: Pyramid Sparse Attention for Efficient Video Understanding and Generation

PSA: 基于金字塔稀疏注意力的高效视频理解和生成

Xiaolong Li, Youping Gu, Xi Lin, Weijie Wang, Bohan Zhuang

机构 * ZIP Lab, Zhejiang University（浙江大学浙大信息实验室） 纠错

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

AI总结 PSA通过多级池化键值表示实现高效视频理解和生成，相比现有稀疏注意力方法在效率和质量上表现更优。

Comments Tech report