视频帧智能采样替代均匀抽帧

当前主流方案如 LLaVA-Video、Video-ChatGPT 都沿用均匀抽帧，遇到对话场景或快速剪辑时要么漏掉关键帧、要么把大量 token 浪费在静态画面上。这个库把 PySceneDetect 的切割检测和自适应采样封装在一起，接入成本很低。

跟纯用 ffmpeg 抽帧或简单 FPS 降采样比，它能按内容密度动态分配帧预算，对长视频理解任务尤其有用。如果你在训视频理解模型且 context window 吃紧，建议用它替换掉 dataloader 里的默认采样逻辑，大概率能省 30-50% 的视觉 token 同时保持甚至提升下游任务指标。