Tag · 1 篇
SVAgent: Storyline-guided Long Video Understanding via Cross-Modal Multi-Agent Collaboration
把「故事线」作为可迭代演化的中间表示,配合跨模态决策智能体与元智能体做答案对齐,为长视频问答提供了一种无需额外训练、可插拔的多智能体推理框架,可直接迁移到长视频理解与时序推理任务。