研究人员开发了一种名为基于自相似性的时刻提议和评分（Self-SiMS）的新方法，以改进零样本视频时刻检索。该方法解决了当前依赖查询到视频内容相似性的方法的局限性，这些方法容易受到模态和语言风格差距的影响。通过关注视频内的内在关系，Self-SiMS 生成了更鲁棒的跨度提议和评分，从而缓解了因查询-帧或查询-字幕相似性不匹配而引起的问题。该方法还包含一个查询感知的多模态大型语言模型（MLLM）推理阶段，以增强文本-视频对齐，并在 ZMR 基准测试上取得了最先进的性能。 AI
影响 这种新方法通过克服当前基于查询的方法的局限性，可以提高视频搜索和分析系统的准确性和鲁棒性。
排序理由 该集群包含一篇详细介绍视频时刻检索新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
