技术栈

长视频理解

I Am a robert girl
5 天前
大数据·人工智能·机器学习·多模态agent·长视频理解·工作记忆·语义抖动
VideoLoop:用循环工作记忆对抗长视频 Agent 的语义抖动从今天觉醒,技术赋予每一个人数字生命长视频理解是当下多模态 Agent 最现实的战场之一。一部两小时的电影、一段几十分钟的监控录像,模型无法一次性塞进上下文,只能像人类侦探一样"边看边记、边推理边回头找证据"。这类任务的核心不是单帧识别,而是多步推理中的证据管理。
温柔哥`
5 个月前
小波变换·长视频理解·关键帧选择
基于语义边界检测的小波帧选择方法用于长视频理解Wavelet-based Frame Selection by Detecting Semantic Boundary for Long Video Understanding 王晨 1 ^{1} 1,曾宇辉 1 ^{1} 1,罗永东 1 ^{1} 1,谢天宇 1 ^{1} 1 林洛君 2 ^{2} 2,纪嘉怡 1 ^{1} 1,张燕 1 ^{1} 1,郑晓武 1 ∗ ^{1*} 1∗ 1 ^{1} 1厦门大学,多媒体可信感知与高效计算教育部重点实验室; 2 ^{2} 2福州大学,计算机与数据科学学院
我是有底线的