Tag · 3 篇
自适应帧采样
分布 视觉语言模型2高效模型与推理加速1
01 02 03
少选多推：以证据纯度优先的视频推理
Select Less, Reason More: Prioritizing Evidence Purity for Video Reasoning
提出证据感知强化学习框架，通过动态选择关键帧并在其周围局部重采样，为视频LLM提供高纯度视觉证据，可复用于需要精细时序细节的视频理解任务。
EVA：面向端到端视频智能体的高效强化学习框架
EVA: Efficient Reinforcement Learning for End-to-End Video Agent
把视频理解从「被动识别整段视频」改成「先规划再看」的智能体范式：用 SFT+KTO+GRPO 三阶段训练让 MLLM 自主决定看哪些帧、何时看，可直接复用到长视频问答与高效视频推理中。
关键时刻用彩色：灰度引导的在线触发用于常开流式视频感知
Color When It Counts: Grayscale-Guided Online Triggering for Always-On Streaming Video Sensing
提出灰度常开、彩色按需的传感范式，利用轻量二次规划在线检测彩色冗余，并配合动态词元路由降低推理成本，为边缘设备上的流式视频理解提供可复用的触发与调度机制。