ビデオ言語モデルにおける永続的なオブジェクトナレッジ

arXiv cs.CV ・ 2026-08-05

原題: Persistent Object Narratives for Token-Efficient Video Language Models

AI による要約

ビデオ言語モデル向けに SlotNarrative を提案し、ビデオ内のオブジェクトを永続的なスロットと状態トークンで表現。フレーム間の対応付けを先に行うことで、再発するオブジェクトの構造化されたナラティブを構築し、トークン効率を改善した。

この要約は当サイトの AI が生成したものです。正確な内容は元記事（arXiv cs.CV）をご確認ください。