VideoJev 视频理解与交互模型论文发布
热点事件观察中
VideoJev 视频理解与交互模型论文发布
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
论文作者发布 VideoJev 系列视频理解与交互模型，将视频理解与交互建模为结构化决策任务，用共享打分头替代自回归解码，统一时间定位与多选视频问答。 据论文，VideoJev-4B 和 VideoJev-35B-A3B 在三个时间定位基准上平均 mIoU 较各自骨干分别提升 6.7 和 10.8 分，推理提速 2.8-3.1 倍；在四个视频 QA 基准上 Thinking 模式性能与骨干相当，推理提速超 100 倍。
AI 根据报道生成 · 1 小时前更新
最新进展10月13日 04:00
VideoJev：面向视频理解与交互的 System One 模型报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- Hugging Face Daily PapersVideoJev：面向视频理解与交互的 System One 模型
VideoJev 将视频理解与交互建模为结构化决策任务，用共享打分头替代自回归解码，统一时间定位与多选视频问答。VideoJev-4B 和 VideoJev-35B-A3B 在三个时间定位基准上平均 mIoU 较各自骨干提升 6.7 和 10.8 分，推理提速 2.8-3.1 倍；在四个视频 QA 基准上 Thinking 模式性能与骨干相当，推理提速超 100 倍。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。