Copertina

StreamingVLM: Real-Time Understanding for Infinite Video Streams

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Xu, Ruyi, Xiao, Guangxuan, Chen, Yukang, He, Liuning, Lu, Yao, Han, Song
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computer Vision and Pattern Recognition Artificial Intelligence Computation and Language
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

XAttention: Block Sparse Attention with Antidiagonal Scoring
di: Xu, Ruyi, et al.
Pubblicazione: (2025)

VideoLLaMB: Long Streaming Video Understanding with Recurrent Memory Bridges
di: Wang, Yuxuan, et al.
Pubblicazione: (2024)

ROMA: Real-time Omni-Multimodal Assistant with Interactive Streaming Understanding
di: Tian, Xueyun, et al.
Pubblicazione: (2026)

PhoStream: Benchmarking Real-World Streaming for Omnimodal Assistants in Mobile Scenarios
di: Lu, Xudong, et al.
Pubblicazione: (2026)

AURA: Always-On Understanding and Real-Time Assistance via Video Streams
di: Lu, Xudong, et al.
Pubblicazione: (2026)

StreamGaze: Gaze-Guided Temporal Reasoning and Proactive Understanding in Streaming Videos
di: Lee, Daeun, et al.
Pubblicazione: (2025)

RAIN: Real-time Animation of Infinite Video Stream
di: Shu, Zhilei, et al.
Pubblicazione: (2024)

Memory-efficient Streaming VideoLLMs for Real-time Procedural Video Understanding
di: Chatterjee, Dibyadip, et al.
Pubblicazione: (2025)

Online Misinformation Detection in Live Streaming Videos
di: Cao, Rui
Pubblicazione: (2025)

StreamAgent: Towards Anticipatory Agents for Streaming Video Understanding
di: Yang, Haolin, et al.
Pubblicazione: (2025)

Flash-VStream: Efficient Real-Time Understanding for Long Video Streams
di: Zhang, Haoji, et al.
Pubblicazione: (2025)

HERMES: KV Cache as Hierarchical Memory for Efficient Streaming Video Understanding
di: Zhang, Haowei, et al.
Pubblicazione: (2026)

Thinking in Streaming Video
di: Liu, Zikang, et al.
Pubblicazione: (2026)

SANA-Streaming: Real-time Streaming Video Editing with Hybrid Diffusion Transformer
di: Zhao, Yuyang, et al.
Pubblicazione: (2026)

Flash-VStream: Memory-Based Real-Time Understanding for Long Video Streams
di: Zhang, Haoji, et al.
Pubblicazione: (2024)

StreamBridge: Turning Your Offline Video Large Language Model into a Proactive Streaming Assistant
di: Wang, Haibo, et al.
Pubblicazione: (2025)

StreamingEffect: Real-Time Human-Centric Video Effect Generation
di: Song, Yiren, et al.
Pubblicazione: (2026)

LiveVLM: Efficient Online Video Understanding via Streaming-Oriented KV Cache and Retrieval
di: Ning, Zhenyu, et al.
Pubblicazione: (2025)

PaSBench-Video: A Streaming Video Benchmark for Proactive Safety Warning
di: Zhao, Yusong, et al.
Pubblicazione: (2026)

DeepCoT: Deep Continual Transformers for Real-Time Inference on Data Streams
di: Picón, Ginés Carreto, et al.
Pubblicazione: (2025)

VideoScaffold: Elastic-Scale Visual Hierarchies for Streaming Video Understanding in MLLMs
di: Zheng, Naishan, et al.
Pubblicazione: (2025)

StreamEQA: Towards Streaming Video Understanding for Embodied Scenarios
di: Wang, Yifei, et al.
Pubblicazione: (2025)

StreamSTGS: Streaming Spatial and Temporal Gaussian Grids for Real-Time Free-Viewpoint Video
di: Ke, Zhihui, et al.
Pubblicazione: (2025)

TimeChat: A Time-sensitive Multimodal Large Language Model for Long Video Understanding
di: Ren, Shuhuai, et al.
Pubblicazione: (2023)

Chronotome: Real-Time Topic Modeling for Streaming Embedding Spaces
di: Lim, Matte, et al.
Pubblicazione: (2025)

From Long Videos to Engaging Clips: A Human-Inspired Video Editing Framework with Multimodal Narrative Understanding
di: Wang, Xiangfeng, et al.
Pubblicazione: (2025)

Decouple and Cache: KV Cache Construction for Streaming Video Understanding
di: Pang, Zhanzhong, et al.
Pubblicazione: (2026)

Systematic Reward Gap Optimization for Mitigating VLM Hallucinations
di: He, Lehan, et al.
Pubblicazione: (2024)

Stream-T1: Test-Time Scaling for Streaming Video Generation
di: Tu, Yijing, et al.
Pubblicazione: (2026)

StreamingTOM: Streaming Token Compression for Efficient Video Understanding
di: Chen, Xueyi, et al.
Pubblicazione: (2025)

Event-VStream: Event-Driven Real-Time Understanding for Long Video Streams
di: Guo, Zhenghui, et al.
Pubblicazione: (2026)

Real-Time Anomaly Detection in Video Streams
di: Poirier, Fabien
Pubblicazione: (2024)

StreamMeCo: Long-Term Agent Memory Compression for Efficient Streaming Video Understanding
di: Wang, Junxi, et al.
Pubblicazione: (2026)

An Efficient Streaming Video Understanding Framework with Agentic Control
di: Liu, Jinming, et al.
Pubblicazione: (2026)

DiT as Real-Time Rerenderer: Streaming Video Stylization with Autoregressive Diffusion Transformer
di: Lyu, Hengye, et al.
Pubblicazione: (2026)

StreamOV: Streaming Omni-Video Understanding via Evidence-Guided Memory and Response Triggering
di: Xie, Ming, et al.
Pubblicazione: (2026)

LongVILA: Scaling Long-Context Visual Language Models for Long Videos
di: Chen, Yukang, et al.
Pubblicazione: (2024)

X-Stream: Exploring MLLMs as Multiplexers for Multi-Stream Understanding
di: Sun, Peiwen, et al.
Pubblicazione: (2026)

Memory Helps, but Confabulation Misleads: Understanding Streaming Events in Videos with MLLMs
di: Zhang, Gengyuan, et al.
Pubblicazione: (2025)

VLM2Vec-V2: Advancing Multimodal Embedding for Videos, Images, and Visual Documents
di: Meng, Rui, et al.
Pubblicazione: (2025)