实体
Video-MME-v2
Video-MME-v2
PulseAugur coverage of Video-MME-v2 — every cluster mentioning Video-MME-v2 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
Kwai发布Keye-VL-2.0用于长视频理解
Kwai发布了Keye-VL-2.0-30B-A3B，这是一个开源的多模态基础模型，专为长视频理解和智能体智能而设计。该模型利用DeepSeek稀疏注意力处理高达256K的上下文，捕捉长达一小时视频中的关键帧和时间依赖性。它还结合了跨模态多教师策略内蒸馏，以增强各种场景下的多任务对齐和智能体协作。评估显示在视频理解和时间定位基准测试中取得了最先进的性能。
-
GridProbe 降低长视频 VLM 的计算成本
研究人员开发了 GridProbe，一种提高长视频视觉语言模型 (VLM) 效率的新方法。该技术在推理过程中自适应地选择相关帧，从而降低了处理数千帧的计算成本。GridProbe 通过在答案空间中探测帧的重要性来实现这一点，从而能够在不牺牲准确性的情况下根据问题难度动态调整处理的帧数。