ObjectStream：用隐式对象做记忆锚点，流式视频理解不再丢失细节
流式视频理解面临一个核心矛盾：模型必须在未知未来查询的情况下持续保留有用证据，但内存和延迟约束又迫使它不断压缩历史信息。现有方法按 token 重要性或时间冗余来压缩，却忽略了一个关键事实——视频理解本质上是对持久对象及其演化的追踪。ObjectStream 提出了一种全新的思路：直接从冻结的 Video-LLM 特征空间中自动发现隐式对象，将它们作为记忆锚点，跨帧关联成持久轨迹，再配合对象突变检测和近期视觉窗口，构建紧凑而完整的流式记忆。在 OVO-Bench 和 StreamingBench 两个在线流式基准上，ObjectStream 让 Qwen2.5-VL-7B 的实时视觉感知得分大