Aller au contenu principal
Accès ouvert déclaré 2026 conference-paper

SceneRAG: Scene-Level Retrieval-Augmented Generation for Video Understanding

0Citations signalées, ce qui n’est pas une note de qualité
3Institutions déclarées
2Pays d’affiliation déclarés

Rattachement africain : cn, ca. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Despite recent progress in retrieval-augmented generation (RAG) for video understanding, handling long-form video remains challenging due to the scale and complexity of video data. Existing RAG methods usually segment videos into fixed-length chunks, disrupting contextual continuity and overlooking authentic scene boundaries. Inspired by the human ability to structure continuous experiences into coherent scenes, we propose SceneRAG—a unified framework that employs large language models to segment videos into narrative-consistent scenes using ASR transcripts and temporal metadata, further refined by lightweight heuristics and iterative correction. For each scene, SceneRAG integrates visual and textual modalities to construct a dynamic knowledge graph, enabling robust multi-hop retrieval and long-range reasoning. We evaluate SceneRAG on a 134-hour long-form video benchmark spanning lectures, documentaries, and entertainment, SceneRAG achieves substantial gains over prior baselines, with win rates up to 70.8% on generation tasks.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
SceneRAG: Scene-Level Retrieval-Augmented Generation for Video Understanding
Date Crossref
03/05/2026
Éditeur
IEEE
Type
proceedings-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Les institutions déclarées

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Multimodal Machine Learning ApplicationsGenerative Adversarial Networks and Image SynthesisDomain Adaptation and Few-Shot Learning

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.