跳转至

title: CurveStream: Boosting Streaming Video Understanding in MLLMs via Curvature-Aware Hierarchical Visual Memory Management arXiv: 2603.19571 date: 2026-03-20 tags: [agent-memory, multimodal-memory, visual-memory] reviewer: auto source: arXiv RSS/API

CurveStream: Boosting Streaming Video Understanding in MLLMs via Curvature-Aware Hierarchical Visual Memory Management

arXiv: 2603.19571 | 日期: 2026-03-20 | 作者: Chao Wang, Xudong Tan, Jianjian Cao, Kangcong Li, Tao Chen

摘要

CurveStream 针对多模态大语言模型（MLLM）在流式视频理解中的 token 爆炸问题，提出了一种无训练、曲率感知的分层视觉记忆管理框架。核心观察：沿连续特征轨迹的高曲率区域与关键全局语义转换高度对齐。基于这一几何洞察，CurveStream 通过曲率评分实时评估语义强度，并结合在线 K-Sigma 动态阈值，在严格 token 预算下将帧自适应路由到清晰和模糊记忆状态。在不同时序规模的评估表明，该轻量框架在 StreamingBench 上提升 10.69%、OVOBench 上提升 13.58%，建立了流式视频感知的新 SOTA。

核心贡献

  1. （参考文献待从原文补充）

为什么重要

本文针对的是长程 Agent 的记忆系统关键挑战。与传统在离线场景设计的记忆方法不同，本文强调流式/在线视频理解中的实时记忆管理，对端侧 Agent 的实时视觉记忆有重要参考价值。

与端侧/移动端的相关性

  • 视频流处理对端侧计算资源有严格限制，记忆压缩机制至关重要
  • 轻量级视觉记忆管理对移动端/可穿戴设备上的视觉 Agent 有直接应用价值

参考文献

（参考文献待从原文补充）