PRISM：零样本免训练程序化视频摘要框架

2026年10月15日，arXiv Artificial Intelligence 刊出由 Shreya Rajpal、Michal Golovanevsky、Carsten Eickhoff 发表的 PRISM 框架。据该报道，PRISM 全称为 Procedural Representation via Integrated Semantic and Multimodal Analysis，是一个零样本、免训练的程序化视频摘要框架，通过轻量视觉过滤与动态生成的过程标签作为语义锚点，筛选有意义的帧-标签组，以减少传入下游视觉语言描述阶段的视觉输入量。报道称，PRISM 仅选取不到 5% 的视频帧即可保留超过 84% 的语义内容，较基线最高提升 7.5%，并在 YouCook2、ActivityNet Captions 以及关键帧选择基准和外科手术视频数据集上进行了验证。上述数字与适用范围均出自该报道，尚无后续跟进报道对其作出修正或补充。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。