FramePack-U：恒定内存长视频帧打包框架

2026年10月14日，arXiv Computer Vision 刊出 Shuo Gao、Chenhao Zheng、Zhongzheng Ren 的论文，提出 FramePack-U——一种面向长视频理解的恒定内存帧打包框架。据该报道，FramePack-U 免训练、无需修改模型架构，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。其做法是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的上下文窗口。报道称该框架无需微调或架构改动，可直接用于现成 VLM 的推理阶段。目前进展仅止于论文发布，尚无后续跟进报道，也未提及代码、模型或评测结果等进一步信息。

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。