FramePack-U：面向长视频理解的恒定内存帧打包框架

论文提出 FramePack-U，一个免训练、无需修改架构的帧打包框架，可在恒定内存开销下把任意长度视频压缩为固定大小的视觉表示，推理时直接接入现成 VLM。该方法按帧与文本提示的语义相似度打分，并以多样性驱动方式排序，再把选中的帧以不同分辨率打包进固定长度上下文窗口。