KeyRec: Khoảnh khắc hình ảnh hạn chế để phát và hiểu video dài
KeyRec: Bounded Visual Memory for Streaming and Long-Video Understanding
Đoạn trích bài viết
Các mô hình ngôn ngữ thị giác ngày càng được sử dụng để hiểu video dài và luồng liên tục. Tuy nhiên, các token thị giác dày đặc tích lũy với thời gian video, làm cho suy luận ngữ cảnh dài trở nên vô cùng tốn kém.
Toàn văn bài viết
Mở bài viết gốc
Đọc bài viết đầy đủ trên huggingface
Mở bài gốc để xem trọn vẹn chi tiết và dẫn chứng.