研究人员推出了一种新颖的视频预训练方法 LeVJEPA,该方法在保持或提高下游准确性的同时,显著降低了计算成本。该方法绕过了常见的启发式方法,如架构不对称和 EMA 目标编码器,而是使用单个编码器配合不变性损失和 SIGReg 正则化。同时,LAION-BVD 数据集已发布,提供千万小时的视频数据用于多模态预训练,这些数据源自通过 CommonCrawl 收集的 8000 万个视频。该数据集旨在通过提供大规模、开放访问的合成字幕资源来推动视频、音频和图像模态的研究。 AI
影响 LeVJEPA 的效率可以加速视频模型训练,而 LAION-BVD 为多模态人工智能开发提供了大规模资源。
排序理由 该集群包含两篇研究论文,详细介绍了视频预训练的新方法和数据集。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 4 个来源。 我们如何撰写摘要 →