VideoJev用共享头统一视频理解与交互
热点事件观察中
VideoJev用共享头统一视频理解与交互
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
研究者提出VideoJev模型族，把视频时序定位与多选视频问答统一为结构化决策任务：改造预训练多模态大模型，用共享头对时间区间和文本选项打分，替代自回归答案解码。 在三个时序定位基准上，VideoJev-4B和VideoJev-35B-A3B的平均mIoU较各自骨干分别提升6.7和10.8点，推理加速2.8–3.1倍；在四个视频问答基准上，两者在Thinking模式下性能与骨干相当，推理加速超过100倍。
AI 根据报道生成 · 1 天前更新
最新进展10月13日 08:00
VideoJev：面向视频理解与交互的 System One 统一模型族报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- Hugging Face 每日论文精选VideoJev：面向视频理解与交互的 System One 统一模型族
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。
本事件热度走势
- 可比范围当前
- 2
- 可比范围峰值
- 410月14日 16:00
- 近 24 小时变化
- -50%
01234
18:0010月15日06:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。