GROVE adiciona memória em camadas para assistentes de vídeo em streaming

Pesquisadores apresentaram o GROVE, um framework sem treinamento para experiências de vídeo em streaming que constrói memória de forma causal a partir de um fluxo contínuo de vídeo. O sistema preserva evidências perceptivas em alto nível de detalhe e as consolida em momentos com marcação temporal, episódios coerentes e padrões recorrentes ao longo de vários dias, com habilidades de recuperação adaptadas a cada nível. Os autores relatam que o GROVE obteve os melhores resultados entre os métodos comparados em múltiplos benchmarks, incluindo MM-lifelong e EgoServe. Um artigo relacionado no arXiv, ObjectStream, também mira a compreensão de vídeo em streaming com memória sem treinamento, usando objetos latentes como âncoras persistentes.