EgoGraph：用于 ego-centric 视频理解的时空知识图

跨越多天的超长 ego-centric 视频在视频理解方面存在显著挑战。现有方法仍依赖片段化的局部处理和有限的时空建模，限制了其对此类长序列的推理能力。为此，我们引入 EgoGraph，一个无需训练且动态构建的知识图框架，显式编码 ego-centric 视频流中跨实体的长期依赖关系。EgoGraph 采用新颖的 ego-centric 模式，统一提取和抽象核心实体（如人物、物体、地点和事件），并对其属性和相互作用进行结构化推理，生成远超传统片段基视频模型的更丰富且更连贯的语义表示。关键地，我们发展了时空关系建模策略，捕获跨实体的时空依赖并在多天内累积稳定的长期记忆，实现复杂的时空推理。大量实验表明，EgoGraph 在 EgoLifeQA 和 EgoR1-bench 数据集上实现了长期视频问答的最新性能，验证了其作为超长 ego-centric 视频理解新范式的有效性。