visual-memory

本文提出GEAR（几何启用的注意力路由）框架，该框架利用几何作为视觉记忆的显式令牌级地址，以增强长时序相机控制视频生成，并达到最先进的成果。

本文提出VisKG-LM，一种将知识图谱编译为视觉记忆以进行高效多项选择题问答的方法，通过将图编码与语言推理解耦，在基线上实现性能提升。

一条推文，称赞 CollovLabs 在 AI 领域从单次识别到持久视觉记忆的进步。

介绍DMV-Bench，一个用于评估多模态智能体视觉记忆的交互式基准测试，该测试利用产品图像中的偶然视觉线索，并提出了DualMem，一种双编码记忆架构，在各种链长度上优于纯文本和其他多模态基线。