视频大模型

Video-Language Understanding: A Survey from Model Architecture, Model Training, and Data Perspectives

视频-语言理解：从模型架构、模型训练和数据视角的综述

Thong Nguyen, Yi Bin, Junbin Xiao, Leigang Qu, Yicong Li, Jay Zhangjie Wu, Cong-Duy Nguyen, See-Kiong Ng, Luu Anh Tuan

机构 * National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 其他视频模型 ：video-language(title,abstract)

AI总结 本文综述了视频-语言理解系统的关键任务与挑战，从模型架构、训练和数据角度总结方法，并比较性能，探讨未来研究方向。

Comments Accepted at ACL 2024 (Findings). Code is available at https://github.com/nguyentthong/video-language-understanding