arXiv · cs.AI· Haopeng Jin, Wenlong Zhao, Tao Yu, Tiankun Yang, Zhenyu Guan, ShiQuan Dong, Yujia Yang, Shani Ye, Chubin Chen, Hongzhu Yi, Jinwen Luo·· 1 天前
HIMMEL提出分层交错多流运动编码以提升长视频理解
HIMMEL: Hierarchical Interleaved Multi-stream Motion Encoding for Long Video Understanding
arXiv:2605.08158v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Haopeng Jin, Wenlong Zhao, Tao Yu, Tiankun Yang, Zhenyu Guan, ShiQuan Dong, Yujia Yang, Shani Ye, Chubin Chen, Hongzhu Yi, Jinwen Luo
研究任务与主要进展
HIMMEL通过分层交错多流运动编码处理长视频：稀疏语义锚点帧进入高成本视觉骨干，帧间运动向量、残差图和I帧上下文则由轻量三流适配器编码为运动令牌。论文摘要称，该方法在Video-MME上以3.6倍更少上下文令牌将32帧基线的61.2%提升至63.5%，单题端到端时间由2.75秒降至1.03秒；换用Qwen3-VL-8B后达到64.9%。材料仅提供论文摘要，未读取全文。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org