長尺動画理解のためのクエリ連動型サンプリングVisualRouter

arXiv cs.CV ・ 2026-07-30

原題: VisualRouter: Query-Grounded Visual Sampling for Long Video Understanding

AI による要約

大規模視覚言語モデルにおける長尺動画処理では、固定的なサンプリングによって時間的カバー率の低下や冗長なフレーム選択が生じる課題があった。VisualRouterは入力クエリを大域的または局所的に判別し、最適なサンプリング戦略を動的に適用する学習不要のフレームワークである。

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。