面向航拍小目标的流式MLLM

论文研究无人机视频中小目标的在线语言引导感知。

推荐理由：问题抓住了现有MLLM在航拍场景的两处弱点：视觉压缩吞掉小目标、流式输入缺少未来帧；这类在线记忆机制更贴近真实无人机部署。