Enhancing Video Large Language Models with Structured Multi-Video Collaborative Reasoning
通过结构化多视频协作推理增强视频大语言模型
机构 * Shanghai Jiao Tong University(上海交通大学) ; Shanghai Innovation Institute(上海创新研究院) ; Fudan University(复旦大学)
专题命中 推理与问题求解 :large language model(title,abstract);language model(title,abstract)
AI总结 本文提出一种多视频协作框架,通过结构化视频表示和图融合模块提升视频大语言模型的推理能力。