본 논문은 시간적·공간적 복잡성이 높고, 긴 맥락에서 질문에 답하기 어려운 장시간 비디오 이해의 과제를 해결하기 위해, 에이전트 기반 검색 전략을 활용하는 Deep Video Discovery (DVD) 에이전트를 제안합니다. 기존의 수동적인 방식과 달리, DVD 에이전트는 다양한 크기의 비디오 데이터베이스 상에서 검색 중심 도구들을 자율적으로 활용하여 LLM의 추론 능력을 통해 현재 상태를 관찰하고, 전략적으로 도구를 선택하며, 행동에 적합한 매개변수를 설정하고, 수집된 정보에 따라 내부 추론을 반복적으로 개선합니다. 여러 장시간 비디오 이해 벤치마크에 대한 종합적인 평가를 통해 시스템 설계의 우수성을 입증하며, 특히 LVBench 데이터셋에서 기존 연구들을 상당한 차이로 능가하는 최첨단 성능을 달성합니다. 추가적으로, ablation study와 도구 분석을 통해 장시간 비디오 이해를 위한 지능형 에이전트 발전에 대한 통찰력을 제공합니다. 코드는 추후 공개될 예정입니다.
