论文18:06R4DSG:面向长视频问答的相对4D场景图记忆做长视频问答的可以看看,R4DSG用相对锚点记录物体变化,比纯文本记忆强不少,在EgoLifeQA上比EgoRAG-Text高了6.7分。#R4DSG#EgoLifeQA#4D场景图#长视频问答aarXiv cs.AI@Ke Ma 等 8 人原文稍后读已读值得跟进有用关注 R4DSG