VideoJev:面向视频理解与交互的系统一模型
VideoJev 将时序定位与多选视频问答统一为候选打分,共享打分头直接评估区间与选项,免去自回归解码;两种推理模式复用视频前缀,七基准精度更优、加速最高百倍。
Yuhan Zhu, Xiangyu Zeng, Qingyi Si · 17次阅读 · 2026年10月13日
视频理解Temporal GroundingVideo QA2026年10月13日
作为亚马逊联盟会员,我们可能从符合条件的购买中获得佣金。
作为亚马逊联盟会员,我们可能从符合条件的购买中获得佣金。