VideoLucy

让AI看懂长视频，靠“记忆回溯”抓住关键线索

VideoLucy 是一个面向长视频理解的开源项目，发表于 NeurIPS 2025，核心创新在于“深度记忆回溯”（Deep Memory Backtracking）机制。它解决的是多模态大模型在处理长视频时，因上下文窗口有限而丢失早期关键信息的问题。项目通过模拟人类记忆回溯的方式，让模型在推理时能主动“回看”视频中的关键帧或片段，从而提升对长视频中复杂事件、因果关系和长期依赖的理解能力。技术栈基于 Python，集成 ChatGPT、DeepSeek、Qwen 等主流大语言模型，以及多模态大模型（MLLM），适用于 egocentric vision（第一人称视频）等场景。目前项目处于早期阶段（68 星），提供了核心算法实现和实验代码，但尚未形成完整的工具链或应用接口。