#

视频理解

4 篇相关内容
相关话题Google DeepMind多模态AIGemini智能体记忆系统实体识别arXiv研究机器人多机协作任务规划多模态大模型长视频问答

Gemini 推出智能视频理解功能，AI 能自主分析视频内容

Google DeepMind 发布 Gemini 的智能视频理解能力，让 AI 能像人类一样主动观察、推理并回答关于视频内容的问题。
·1 天前GeminiGoogle DeepMind视频理解多模态AI
G

ViSAGE框架：构建自校正记忆系统，提升长视频理解能力

研究人员提出ViSAGE多模态记忆框架，通过跨模态实体绑定和双向记忆优化技术，显著提升长视频理解任务中的实体一致性与推理准确性。
·31 天前多模态AI视频理解记忆系统实体识别
a

Gemini Robotics ER 2 发布：以视频理解与多机协作赋能机器人智能

Google DeepMind 推出 Gemini Robotics ER 2，该系统通过增强视频理解、任务编排与多机器人协作能力，帮助机器人更好地推理、协作并解决现实世界任务。
·34 天前机器人多机协作视频理解任务规划
G

ReMem框架：无需训练即可实现长视频问答，自适应时序粒度选择关键帧

研究人员提出ReMem框架，通过双级记忆增强机制自适应选择关键帧，显著提升多模态大模型在长视频问答任务中的零样本性能。
·36 天前视频理解多模态大模型长视频问答关键帧选择
a