SPARE流式视频理解框架发布

2026年10月14日，arXiv Computer Vision 刊出 Senbin Xu 等作者提出的 SPARE 流式视频理解框架。该框架将自适应历史检索与视觉编码器共享相结合：用轻量门控判断近期观测是否足以回答问题，不足时由多模态嵌入模型检索相关历史片段补充上下文，并通过 LoRA 指令微调让理解模型联合使用近期观测与检索历史、在证据不足时弃答。据该来源称，在仅使用视觉输入的条件下，SPARE 在 OVO-Bench 所评估的 Real-time 与 Backward 任务组上达到 77.78%，在 StreamingBench 上达到 73.31%；与以 2 fps 评估的 Qwen3-VL-8B-Instruct 相比，SPARE 在 OVO-Bench 上准确率提升 20.68 个百分点，在 StreamingBench 上提升 14.15 个百分点。上述数据与对比条件均出自该来源自述，尚待独立验证。

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。