arXiv Computer Vision· Shuo Gao, Chenhao Zheng, Zhongzheng Ren·· 20 小时前AI 评分37
FramePack-U：面向长视频理解的恒定内存帧打包框架
Elephant in the Fridge: Constant-Memory Frame Packing for Long Video Understanding
AI 导读
FramePack-U 是一种免训练、无需改架构的帧打包框架，可在恒定内存开销下把任意长视频压缩为固定大小的视觉表示，推理时直接接入现成 VLM。它按帧与文本提示的语义相似度打分并做多样性排序，再将选中帧以不同分辨率打包进固定长度上下文窗口。
来源：arXiv Computer Vision · arxiv.org