Hugging Face 每日论文·· 1 天前精选AI 评分55
VideoJev：面向视频理解与交互的 System One 统一模型族
VideoJev: System One Model for Video Understanding and Interaction
AI 导读
VideoJev 将视频理解与交互建模为结构化决策任务，用共享头替代自回归答案解码，对时间区间和文本选项打分，统一时序定位与视频问答。
推荐理由
论文给出 VideoJev 在时序定位与视频问答上的 mIoU 提升和推理加速数据，可评估其决策接口是否值得迁移。
来源：Hugging Face 每日论文 · huggingface.co