arXiv 新增 + streaming video memory · P2 · 2026-06-18

LiveStarPro：它和通用视觉自监督的关系在于：聚焦连续视频流中何时响应、如何保留层级记忆，可作为长视频表征/记忆预算的应用侧读物

中高相关；详见方法、贡献和实验边界。

LiveStarPro: Proactive Streaming Video Understanding with Hierarchical Memory for Long-Horizon Streams　arXiv 新增 + streaming video memory　原文链接

编号2606.17798 优先级P2 类别arXiv 新增 + streaming video memory 会议arXiv 新增 + streaming video memory 方法聚焦连续视频流中何时响应、如何保留层级记忆，可作为长视频表征/记忆预算的应用侧读物来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于：聚焦连续视频流中何时响应、如何保留层级记忆，可作为长视频表征/记忆预算的应用侧读物。

**Figureure 1 · Illustration of online video understanding**Fig. 1. Illustration of online video understanding. (a) Taking the RNG task as an example, online video understanding requires Video-LLMs to continuously process unbounded video streams and respond only at appropriate moments. (b) Existing EOS-based methods suffer from data imbalance and temporal inconsistency, leading to unstable training and suboptimal online inference. (c)-(e) LiveStarPro establishes an effective proactive response-silence framework through training (SCAM), inference (SVeD), and memory (TSHM), enabling coherent and context-aware real-time narration without compromising basic video understanding capabilities.这张图概括 LiveStarPro 的整体方法流程。阅读时先看模块之间传递的训练信号，再看作者如何把目标拆成可优化的子问题。

**Figureure 5 · Overview of the pipeline of a rigorous multi-stage process**Fig. 5. Overview of the pipeline of a rigorous multi-stage process. Steps (1)-(3) involve data collection and preprocessing, and steps (4)-(6) involve constructing an online task dataset, using the OmniStarPro-RNG task as an example. Other online tasks are constructed in a similar manner.这张图概括 LiveStarPro 的整体方法流程。阅读时先看模块之间传递的训练信号，再看作者如何把目标拆成可优化的子问题。

核心问题

它和通用视觉自监督的关系在于：聚焦连续视频流中何时响应、如何保留层级记忆，可作为长视频表征/记忆预算的应用侧读物。

方法拆解

聚焦连续视频流中何时响应、如何保留层级记忆，可作为长视频表征/记忆预算的应用侧读物

主要贡献

中高相关；详见方法、贡献和实验边界。

实验看点

实验部分建议重点看两类证据：一是作者是否把方法收益和更强数据、更长训练、更大模型区分开；二是跨模型、跨数据或跨任务迁移是否还能保留同样趋势。

局限与读法

这篇论文的结论需要结合任务设置、训练数据规模和消融实验一起看；不要只凭单个指标判断它对通用视觉表征的价值。