논문 정보
- 날짜:
2026-04-11
- 카테고리: -
- 우선순위 점수: 0.3
핵심 요약
긴 비디오 이해를 위해 소형 시각-언어 모델(SVLM)을 활용하여 쿼리 기반의 효율적인 압축을 수행하는 Tempo 프레임워크를 제안합니다. Adaptive Token Allocation(ATA)을 통해 중요한 장면에는 많은 대역폭을 할당하고 중복된 장면은 최소화하여 8K 토큰 예산 내에서 긴 영상을 처리합니다. 실험 결과 LVBench 등에서 GPT-4o 및 Gemini 1.5 Pro를 능가하는 성능을 기록하며 효율적인 비디오 이해 가능성을 입증했습니다.
학습자 관점 포인트
- 우리 팀 영향: 제한된 토큰 예산 내에서 긴 비디오의 핵심 정보를 유지하며 효율적으로 처리하는 기술을 우리 팀의 비디오 분석 파이프라인에 적용할 수 있습니다.
- 권장 액션: 실험
- 액션 근거: 기존의 단순 샘플링 방식보다 효율적인 토큰 관리 전략을 제시하며 상용 모델 대비 우수한 벤치마크 성능을 보여주었기 때문입니다.
원문 링크
학습자는 이 문서를 읽고 실험 여부를 바로 결정하세요.
