PIGEONS长视频增量描述模型论文发布

2026年10月14日，arXiv Computer Vision 刊出由 Xinlong Chen 等作者提交的论文，提出 PIGEONS 长视频增量描述模型。据该报道，PIGEONS 针对分段描述拼接导致的主体指代不一致与长程叙事碎片化问题，采用持久身份库与演进式总体叙事摘要两项机制：先扫描整段视频构建身份库以锚定关键主体，再逐片段生成描述，并在每步后更新总体叙事摘要以保留长程上下文。模型采用融合监督微调与强化学习的三阶段训练策略。报道称，该模型在长视频描述上取得更高的准确性、完整性和主体指代一致性，短视频描述性能也保持竞争力。目前事件进展停留在论文发布阶段，后续是否开源、评测或应用尚无进一步报道。

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。