MemDreamer

MemDreamer 是一个面向长视频理解的新型架构，旨在解耦感知与推理过程。其核心包含两部分：一是构建分层图记忆（Hierarchical Graph Memory），将视频流逐级组织为视频根→超事件→宏事件→实体/事件子图；二是通过具身式工具增强检索机制（Observation-Reason-Action 循环），支持层级导航、精准搜索与图遍历三类操作。项目在 LVBench 等 4 个长视频基准上达到当前最优性能，人类专家差距仅 3.7 分。适用于需细粒度时序建模与复杂问答的场景，如教育视频分析、医疗手术记录理解、工业质检视频推理等。