Skip to main content

video-detective

Enable VLMs to find relevant clips in long videos through sparse observation and graph-based propagation. Iteratively hypothesize promising segments, extract multimodal evidence (captions, OCR, speech), and propagate relevance scores via visual-temporal affinity graph. Jointly model extrinsic relevance (query-to-segment matching) and intrinsic relevance (video internal structure) to infer unobserved segments. Achieves competitive accuracy with significantly fewer tokens than dense sampling.

الانتقال إلى التثبيت

معلومات المصدر

المستودع
ADu2021/skillXiv
آخر نشاط في المصدر
٢٦ مارس ٢٠٢٦ في ١٥:٠٠
لغة SKILL.md المكتشفة
الإنجليزية
النجوم
٦
التفرعات
٠

خيارات التثبيت

يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.

مراجعة ملفات المصدر

اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.