VideoPrism
V
Videoprism
簡介 :
VideoPrism是一個通用的視頻編碼模型,能夠在各種視頻理解任務上取得領先的性能,包括分類、定位、檢索、字幕生成和問答等。其創新點在於預訓練的數據集非常大且多樣,包含3600萬高質量的視頻-文本對,以及5.82億帶有嘈雜文本的視頻剪輯。預訓練採用兩階段策略,先利用對比學習匹配視頻和文本,然後預測遮蔽的視頻塊,充分利用不同的監督信號。一個固定的VideoPrism模型可以直接適配到下游任務,並在30個視頻理解基準上刷新狀態最優成績。
需求人群 :
- 視頻分類、定位\n- 視頻檢索\n- 視頻字幕生成\n- 視頻問答\n- 科學視頻分析
總訪問量: 1.0M
佔比最多地區: US(34.33%)
本站瀏覽量 : 92.7K
產品特色
- 預訓練數據包含3600萬高質量視頻-文本對,5820萬帶嘈雜文本的視頻剪輯,數據規模最大、質量最高 - 採用兩階段預訓練策略,對比學習匹配視頻和文本,預測遮蔽的視頻塊 - 一個固定模型直接適配下游任務,無需調參和微調 - 在30個視頻理解基準上刷新最優記錄
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase