论文提出无需训练的语义关键帧选择器 CSES，通过估计帧—查询相关性分布的显著性，自适应决定需要评分的帧数和输入关键帧数量，并联合优化语义相关性、时间冗余与视觉冗余。四个 LVLM、两个基准上的实验显示，在保持准确率的同时，评分帧数减少 4—13 倍，选择帧数减少 18.4%—20.5%，帧选择速度提升 3.1—5.4 倍。
最近 24 小时暂无可用热度快照。