Assembly101

新的P-JEPA方法增强了AI对程序化视频的理解能力

研究人员开发了一种名为P-JEPA（程序化联合嵌入预测架构）的新方法，以改进程序化视频表示的学习。该方法通过将问题简化为密集、帧对齐的动作空间，解决了现有模型在处理具有复杂、多步骤任务的长时间视频方面的局限性。P-JEPA可以处理长达30分钟以上的视频，能够有效理解程序化步骤，并在细粒度动作分类任务上取得最先进的成果，同时使用的参数比基于大型语言模型的方法少得多，并且能够实时运行。