**FramePack-U：实现长视频理解的恒定内存帧打包框架**

_Elephant in the Fridge: Constant-Memory Frame Packing for Long Video Understanding_

> 针对长视频处理中视觉语言模型（VLM）内存消耗随长度线性增长的问题，提出免训练的 FramePack-U 框架。该方法通过语义相似度评分与多样性排序，将任意长度视频压缩为固定大小的视觉表示，无需微调即可直接集成至现有模型。实验显示，在 LongVideoBench 等基准测试中，FramePack-U 显著优于全分辨率基线及现有 token 缩减方法，在 Qwen3.5-35B 模型上最高提升 12.9%。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-14 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.16118)