Visual Memory Infrastructure Video Retrieval Agent Systems
摘要

针对持续接收观测数据的Agent,本文提出一种超越传统视频检索的视觉世界搜索基础设施模型。该模型基于分析器定义的场景、持久化的理解产物以及共享时间轴上的共存场景空间,明确区分了记忆(保留内容)、上下文(任务选择内容)和证据(源头区间)。通过VideoDB数据格式实现该模型,提供类型化搜索接口。实验表明,通用组件管道在宏观召回率上优于商业视频原生引擎,证明系统设计比特定预训练对视觉检索质量影响更大,且能保持可播放的源头证据优先。

AI 推荐理由

论文核心构建持久视觉记忆架构,定义记忆、上下文与证据的关系,属于记忆机制研究。

研究机构
VideoDB
论文信息
作者 Sankalp Nagaonkar, Rohit Garg, Ankit Raj, Ashish Choithani, Ashutosh Trivedi
发布日期 2026-08-08
arXiv ID 2608.08075
相关性评分 9/10 (高度相关)