arXiv · 大模型
Decomposing Queries 提出将查询分解为工具调用实现长视频关键帧检索
长视频问答中，关键帧选择是提供可验证视觉证据的直接手段。现有方法要么对每一帧按单一查询评分，要么依赖固定策略，难以应对不同查询对视觉信息的不同需求。Decomposing Queries 提出将查询分解为多个工具调用，每个工具专注于检索特定类型的帧，再组合结果。这一思路让检索过程更灵活、可解释，也更容易适配不同视频场景。
- 域名
arxiv.org- 评分
- 4 · 重要更新
- 发布
- 2026-05-22
导读
这条暂时没有深度导读，点上方「访问项目本体」直接到源页面查看。
原文摘要
Keyframe selection is a direct way to provide verifiable visual evidence for long-video question answering (QA). Queries differ in what they require, and finding the right frames depends on knowing what to look for. Existing keyframe selectors either score every frame against a single query, or dec…