视觉记忆机制

通过视觉记忆机制扩展多模态大语言模型的长视频理解能力

Scaling the Long Video Understanding of Multimodal Large Language Models via Visual Memory Mechanism

提出免训练的视觉记忆机制，将视觉KV缓存作为记忆源，通过双路径压缩和多样化读取策略，使多模态大模型能处理无限长度视频，为长视频理解提供可复用的记忆管理方案。