IXThinker·2026-07-31 21:00

三類視覺token分配緩解時序碎片化問題

一項入選頂會的研究提出影片時序定位新方法SemVID，針對長影片理解中視覺token過多、推理成本高的問題設計三類分配策略，強調保留支撐時間定位的證據鏈，在降低開銷的同時維持精度。

任務痛點

影片時序定位要求模型回答事件從何時開始、到何時結束等問題，是長影片理解的細粒度能力。但影片越長，視覺token越多，推理成本隨之快速攀升，直接阻礙落地。