AI 大模型

视频大模型

视频理解、视频生成、视频语言模型和时序视觉推理。

2026-04-15 至 2026-04-15 共收录 1 篇信号源：cs.CV, eess.IV, cs.MM

1. 视频问答 1 篇

2604.12148 2026-04-15 cs.CV 57%

ViLL-E：用于检索的视频大语言模型嵌入

Rohit Gupta, Jayakrishnan Unnikrishnan, Fan Fei, Sheng Liu, Son Tran, Mubarak Shah

专题命中视频问答：video understanding(abstract)；分类 cs.CV

AI总结 ViLL-E通过引入新的嵌入生成机制，提升复杂视频处理能力，在视频检索和时间定位任务中表现优异，同时在视频问答任务中保持竞争力。

Comments Accepted at ACL 2026 Main conference

↑