「视频记忆评测」共找到 2161 篇相关文章

开源动态8

ICML 2025 | 长视频理解新SOTA!蚂蚁&人大开源ViLAMP-7B,单卡可处理3小时视频

在视觉语言模型取得突破的当下,长视频理解挑战凸显。蚂蚁和人大团队提出视觉语言大模型ViLAMP,采用‘混合精度’策略,在多基准测试中超越现有方案,单卡可处理3小时视频,为实际应用带来新可能。

机器之心
产品应用8

全球图生视频榜单第一,爱诗科技PixVerse V5如何改变一亿用户的视频创作

爱诗科技PixVerse(拍我AI)功能丰富,普通用户可用热门模板整活,创作者有多样创作工具。其最新V5模型在图生视频项目全球排名第一,在多方面技术革新,推动AI视频创作发展。

机器之心
开源动态7

别再傻傻做视频啦!!!52.1k Star Remotion,把 React 组件变成视频生产线,强到离谱~~

Remotion是用React程序化创建视频的开源项目,可把视频元素写成组件按时间线组合后渲染。它适合有批量生产需求者,不过做真人vlog等传统剪辑软件更顺手,且使用有license限制。

小华同学ai
开源动态8

Labubu换装记!让视频换装变得如此简单!基于扩散Transformer的视频虚拟试衣新突破

今天介绍开源项目MagicTryOn,它是基于大规模视频扩散Transformer的视频虚拟试衣框架,能实现高质量视频换装。采用三项关键技术创新,支持图像、视频试衣及定制化方案,目前仍在积极开发。

GitHubStore
开源动态8

具身智能体不再失忆!智源新记忆系统让机器人秒变熟人,支持终身记忆

智源研究院等联合提出全新终身记忆系统RoboBrain-Memory,是全球首个为全双工、全模态模型设计的系统。它能解决具身智能体交互问题,实现类人长期个性化交互,在多方面表现优异,有广泛应用前景。

量子位
算法论文8

OmniInsert:全新无掩码视频插入技术

基于扩散模型的视频插入技术发展快,但以往方法有局限。字节提出InsertPipe和OmniInsert,解决数据不足等难题。OmniInsert设计巧妙,还建立评测平台InsertBench,虽有小问题,但推理快,可加速优化。

带你学AI
算法论文8

VLM会描述视频,却未必用对参考图:RefCaptioner让参考图与视频语义精准对应

多模态大模型处理多参考图与视频对应关系能力不足。为此提出 RefCaptioner,强化模型对参考图识别感应能力、优化输出格式与奖励函数;还构建 MRVBench 评测基准,实验显示其表现优异。

机器之心
开源动态8

谷歌放出Agent记忆教程,代码已开源!

Google Cloud 工程师公开 FashionMind 示例:精确事实存关系数据库,长期偏好单独保存,音视频提炼后再入记忆;明确指令即时写入,偏好总结留给后台,减少语音卡顿。

Datawhale
新闻资讯7

奥特曼点名「AGI最后一块拼图」!记忆,才是硅谷2026新共识

2026年,AI竞争焦点从Scaling转向记忆。奥特曼押注记忆,预计ChatGPT产品线未来一年有进展。AI记忆能力成新共识,提升其记忆成巨头竞争核心,不过距完善记忆系统还远。

新智元
产品应用7

今天,分享Clawdbot记忆系统最佳工程实践

文章分享了 Clawdbot 记忆系统的最佳工程实践。它能自主处理现实任务,其持久记忆系统独特,将一切保留在本地。文中介绍了上下文构建、记忆存储、搜索等方面,还提及多代理记忆、压缩、刷新等内容。

PaperAgent