OASIS：面向流式视频推理的按需层次化事件记忆
计算机视觉与模式识别
2026-04-21 v1
摘要
流式视频推理要求模型在历史无限增长但有效证据稀缺的环境中运行。在这种情况下，相关信号如同沙漠中的绿洞——小巧、关键且容易被冗余的海洋所淹没。扩大记忆仅会扩大沙漠；激进压缩则会干枯绿洞。真正的难点在于发现该何处寻找，而非记住多少。我们因此提出 OASIS，一种面向流式视频推理的新型框架，通过结构化的按需检索来应对这一挑战。它将流式历史组织为层次化事件，并以受控的短上下文推理进行推理，仅在不确定性出现时才进行语义导向检索。由于检索基于高层意图而非嵌入相似度，检索到的记忆显著更准确且更少噪声。此机制是即插即用的，训练自由的，能够附加到不同的流式 MLLM 主干网络上。跨多个基准和主干网络的实验表明，OASIS 在保持有界 token 成本和低请求延迟的同时，实现了在长期推理准确性和组合推理方面的显著提升。代码已公开于 https://github.com/Solus-sano/OASIS。
引用
@article{arxiv.2604.17052,
title = {OASIS: On-Demand Hierarchical Event Memory for Streaming Video Reasoning},
author = {Zhijia Liang and Jiaming Li and Weikai Chen and Yanhao Zhang and Haonan Lu and Guanbin Li},
journal= {arXiv preprint arXiv:2604.17052},
year = {2026}
}
备注
Accepted by CVPR 2026