长视频 VLM 的帧去重处理讨论

888surf · reddit · 2026-07-06

开发者讨论用 MiniCPM-V 分析长视频(如反应类视频)时如何做帧去重。作者已用 WhisperX 完成音频级转写,正考虑用 PySceneDetect 或基于 CLIP 嵌入的相似度阈值来过滤大量重复帧,避免撑爆上下文窗口与算力。