Building a Mind Palace: Structuring Environment-Grounded Semantic Graphs for Effective Long Video Analysis with LLMs

结构化 扎根理论 计算机科学 社会学 政治学 社会科学 定性研究 法学
作者
Zeyi Huang,Yuyang Ji,Xiaofang Wang,Nikhil Mehta,Tong Xiao,D. John Lee,Sigmund Vanvalkenburgh,Shengxin Zha,Bolin Lai,Licheng Yu,Qinyu Zhang,Yong Jae Lee,Miao Liu
出处
期刊:Cornell University - arXiv
标识
DOI:10.48550/arxiv.2501.04336
摘要

Long-form video understanding with Large Vision Language Models is challenged by the need to analyze temporally dispersed yet spatially concentrated key moments within limited context windows. In this work, we introduce VideoMindPalace, a new framework inspired by the "Mind Palace", which organizes critical video moments into a topologically structured semantic graph. VideoMindPalace organizes key information through (i) hand-object tracking and interaction, (ii) clustered activity zones representing specific areas of recurring activities, and (iii) environment layout mapping, allowing natural language parsing by LLMs to provide grounded insights on spatio-temporal and 3D context. In addition, we propose the Video MindPalace Benchmark (VMB), to assess human-like reasoning, including spatial localization, temporal reasoning, and layout-aware sequential understanding. Evaluated on VMB and established video QA datasets, including EgoSchema, NExT-QA, IntentQA, and the Active Memories Benchmark, VideoMindPalace demonstrates notable gains in spatio-temporal coherence and human-aligned reasoning, advancing long-form video analysis capabilities in VLMs.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
1秒前
Le发布了新的文献求助10
3秒前
风起发布了新的文献求助10
3秒前
曹正欣完成签到,获得积分20
3秒前
4秒前
5秒前
拜了个拜发布了新的文献求助10
5秒前
田様应助荔枝采纳,获得10
6秒前
Zhang完成签到 ,获得积分10
7秒前
在学海中挣扎完成签到 ,获得积分10
8秒前
8秒前
我爱科研111完成签到,获得积分10
8秒前
在水一方应助风起采纳,获得10
8秒前
猴子大王666完成签到,获得积分20
9秒前
10秒前
10秒前
1010完成签到 ,获得积分10
10秒前
Le完成签到,获得积分10
11秒前
Hello应助wxyllxx采纳,获得10
12秒前
王弘化应助优秀的沉鱼采纳,获得10
12秒前
冷板凳发布了新的文献求助10
12秒前
13秒前
曹正欣发布了新的文献求助10
13秒前
楠楠发布了新的文献求助10
14秒前
15秒前
15秒前
感谢有你完成签到 ,获得积分10
17秒前
17秒前
秋葵拌饭发布了新的文献求助10
17秒前
17秒前
研友_LaOrMZ发布了新的文献求助10
18秒前
天天喝金线莲完成签到,获得积分10
18秒前
lkjhgfdsa482发布了新的文献求助10
19秒前
芒果味猕猴桃完成签到,获得积分10
20秒前
红豆抹茶发布了新的文献求助10
20秒前
冷板凳完成签到 ,获得积分10
20秒前
dong发布了新的文献求助10
22秒前
小二郎应助lili采纳,获得30
24秒前
kk发布了新的文献求助10
24秒前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Cognitive Paradigms in Knowledge Organisation 2000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger Heßler, Claudia, Rud 1000
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 1000
Natural History of Mantodea 螳螂的自然史 1000
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
How Maoism Was Made: Reconstructing China, 1949-1965 800
热门求助领域 (近24小时)
化学 医学 材料科学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 量子力学 冶金 电极
热门帖子
关注 科研通微信公众号,转发送积分 3318059
求助须知:如何正确求助?哪些是违规求助? 2949449
关于积分的说明 8546122
捐赠科研通 2625875
什么是DOI,文献DOI怎么找? 1436935
科研通“疑难数据库(出版商)”最低求助积分说明 666039
邀请新用户注册赠送积分活动 652042