arXiv cs.CV、長尺動画理解の新手法「MIT^3」を提案
arXiv cs.CVは2026年10月17日(現地時間)、長尺動画理解における新しいアプローチ「Memory Internalization via Test-Time Training (MIT^3)」に関する研究論文を発表した。同研究は、従来の動画言語モデルが抱える、各質問に対して動画フレームを繰り返しエンコードする課題に対し、動画の知識をコンパクトな動画固有の適応パラメータとして書き込むことで、動画なしでテキストのみの質問応答を可能にするフレームワークを提案している。