SimpleStream

流式视频理解领域的方法越来越复杂，各种记忆机制和压缩模块层出不穷。SimpleStream 提出一个极简的滑动窗口基线：只把最近的 N 帧交给现成的视觉语言模型，效果就能追平甚至超过已发表的方法。

它提醒研究者重新审视复杂设计的必要性，代码简洁易复现。

软件功能

滑动窗口：只看最近 N 帧。

现成模型：无需重新训练。

效果领先：追平或超越 SOTA。