关闭广告

当AI"看"视频时,它真的理解你在说什么吗?

科技行者568人阅读


这项由卡内基梅隆大学联合多伦多大学的研究团队共同完成的研究,发表于2024年的计算机视觉与模式识别顶级会议CVPR(IEEE/CVF Conference on Computer Vision and Pattern Recognition),论文编号为arXiv:2403.18839。有兴趣深入了解的读者可通过该编号在学术数据库中查询完整论文。

一、当AI开始"看"视频,问题也随之而来

你有没有试过用手机的AI助手问它:"刚才那个视频里,那个人是先拿起杯子,还是先说话?"大多数AI助手会让你失望。不是因为它没有"看"视频,而是因为它根本没有真正理解视频里事件发生的先后顺序。

这正是这项研究的出发点。随着人工智能技术的飞速发展,能够同时处理视频和语言的模型(研究者把它们叫做"视频语言模型",Video-Language Models,简称VLMs)已经遍地开花。这些模型看起来很聪明,能描述视频画面,能回答关于视频内容的问题,但当你问它们关于"顺序"的问题时——谁先谁后,哪件事发生在哪个时间点——它们往往会露出马脚。

研

上一页 下一页
版权与免责声明:本文内容转载自其他媒体,目的在于传递更多信息,不代表本网观点或立场,不承担此类作品侵权行为的自己责任及连带责任。
猜你喜欢
精彩推荐

2026重庆车展 长城炮Hi4-T正式上市售14.98万起

网易汽车 浏览 604

从被嘲五音不全到舞台女王,张韶涵缘何此时落幕?

Yuki女人故事 浏览 1347

特斯拉Model3/ModelY Standard正式发布

网易汽车 浏览 1011

夏天穿衣服别太沉闷,试试这几款绿色单品,减龄又不老套

静儿时尚达人 浏览 531

国家体育总局:力争到2030年体育产业总规模超7万亿元

央视财经 浏览 71272

银行校招大变局,“懂金融的技术人”最吃香!哪些岗位在扩招?哪些岗位在消失?

券商中国 浏览 77411

明年一季度利率上限降至20% 消费金融迎来“阵痛期”

21世纪经济报道 浏览 5618

巴特:如果马雷斯卡来执教曼联,我就把我的季票退掉

懂球帝 浏览 881

马杜罗社交平台发布照片 配文称"被绑架已11天"

红星新闻 浏览 935

真爱大牌 || 这些被抢空的好物又回来了,这次破价100+

黎贝卡的异想世界 浏览 934

父母去世居民把家布置成"风水阵" 邻居:每天出门吓死

环球网资讯 浏览 1436

涉嫌违反美国移民法规则 吴佩慈"婆婆"在美国被捕

红星新闻 浏览 912

向华强说娱乐圈明星美女他看不上眼:极致宠溺背后的事业共生学

互联观察联盟 浏览 879

九三阅兵以新型四代装备为主 含新型坦克、歼击机等

南方都市报 浏览 1177

今年春天的半裙,很“牛”!

Yuki女人故事 浏览 830

朱一龙方回应争议,敦促品牌方核实流程,品牌方道歉并下架宣传片

扒虾侃娱 浏览 641

美国不想接受失败 坚称伊朗难对付是因为有"高人指点"

空天力量 浏览 533

起拍价160万!一个高尔夫俱乐部会籍号码将拍卖,前主人曾是上市公司董事长

红星资本局 浏览 3098

泰晤士:主场不敌西汉姆联,热刺正在考虑解雇主帅弗兰克

懂球帝 浏览 885

天翎科旗舰飞行器L600真机下线,累计获得近千架意向订单|最前线

36氪 浏览 1052

香港火灾初步调查结果:贴在窗户上的发泡胶板高度易燃

南方都市报 浏览 1009
本站所有信息收集于互联网,如本站收集信息侵权,请联系我们及时删除
闽ICP备16027347号-4