研究人员开发了VESSI，一个利用视觉语言模型（VLMs）来增强执法部门自动化视频监控分析能力的框架。VESSI允许用户通过提示来查询视频序列，将视觉元素转换为文本描述。该框架在分析能力和灵活性方面表现出显著的改进，其中一个模型将审查时间缩短了85%以上，并在超过66%的视频中正确识别了潜在的相关活动。还引入了一个新的指标——复合模型效用评分（CMUS），用于评估视觉语言模型在未标记数据集上的性能，该指标与手动评估结果高度一致。 AI
影响 该框架有望显著提高执法机构在监控和法证分析方面的效率和有效性。
排序理由 该集群描述了一篇关于使用视觉语言模型进行视频分析的新研究论文，该论文详细介绍了一个新颖的框架和指标。[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 →
