FreshMem：受大脑启发的频域-空间混合记忆用于流式视频理解

将多模态大语言模型（MLLMs）从离线处理转向在线流式视频理解对持续感知至关重要。然而，现有方法缺乏灵活适应性，导致细节不可逆丢失与上下文碎片化。为此，本文提出FreshMem——一种受大脑对数感知与记忆巩固机制启发的频域-空间混合记忆网络。FreshMem通过两个协同模块实现短期保真与长期连贯性的统一：多尺度频域记忆（MFM）将溢出帧投影为代表性频率系数，并结合残差细节重建全局历史“概要”；空间缩略图记忆（STM）则通过自适应压缩策略将连续流离散为情节簇，并提炼为高密度空间缩略图。大量实验表明，FreshMem在无需训练的情况下显著提升Qwen2-VL基线，在StreamingBench、OV-Bench和OVO-Bench上分别获得5.20%、4.52%和2.34%的性能增益，优于多个全微调方法。