视觉语言模型 / CVPR2026
StreamRAG:以检索增强提升实时视频理解
StreamRAG: Enhancing Real-Time Video Understanding with Retrieval Augmentation
把 RAG 从离线视频搬到流式视频,其 Stream Event Segmentation 的实时边界检测和 Token-Reusing Accelerator 的跨帧计算复用,可直接用于任何需要低延迟视频字幕/检索的视觉语言流水线。
检索增强生成流式视频理解事件分割