视频时序定位
NeurIPS 2025|火山引擎多媒体实验室联合南开大学推出TempSamp-R1强化学习新框架,视频时序理解大模型SOTA!
在人工智能与多媒体技术深度融合的当下,视频时序定位(Video Temporal Grounding) 成为视频理解领域的核心任务之一,其目标是根据自然语言查询,在长段视频流中精准定位出与之匹配的时序片段。 这一能力是智能视频剪辑、内容检索、人机交互、事件分析等众多场景落地的关键基础。 例如,快速定位球赛进球瞬间、影视剧名场面、游戏高光镜头、响应“回放主角微笑片段” 、异常事件查看等需求,均依赖于高效精准的时序定位技术。
10/22/2025 10:16:02 AM
多媒体实验室
- 1
资讯热榜
早鸟票倒计时3天|第四届全国大模型智能生成大会(LMG 2025)
美国女子使用ChatGPT生成号码购彩中奖10万美元:概率事件而非AI预测能力
全新开源的DeepSeek-OCR,可能是最近最惊喜的模型!
OpenAI 紧急暂停 Sora生成马丁・路德・金形象,AI 视频生成引发热议!
AI 模型“炒股”比拼!DeepSeek 收益超14%,Gemini2.5Pro 惨亏四成
LLM的“记忆”与“推理”该分家了吗?一种全新的训练范式,彻底厘清思考流程
AI智能体的未来要等十年?Karpathy直言目前的技术还很 “菜”!
视觉中国与多家AI公司合作开发可商用视觉大模型:已获阿里、微软等订单
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
DeepSeek
谷歌
AI绘画
机器人
数据
大模型
Midjourney
开源
Meta
智能
微软
用户
AI新词
GPT
学习
技术
智能体
马斯克
Gemini
图像
Anthropic
英伟达
AI创作
训练
LLM
论文
代码
算法
芯片
腾讯
AI for Science
Stable Diffusion
苹果
Agent
Claude
蛋白质
开发者
生成式
神经网络
xAI
机器学习
3D
人形机器人
研究
AI视频
生成
大语言模型
百度
RAG
Sora
具身智能
工具
GPU
华为
计算
字节跳动
AI设计
搜索
大型语言模型
AGI
视频生成
场景
深度学习
DeepMind
架构
视觉
预测
Transformer
编程
生成式AI
伟达
AI模型
特斯拉
Copilot