VIVID 模型以极低参数增量实现视频多模态推理
热点事件持续更新
VIVID 模型以极低参数增量实现视频多模态推理
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026 年 11 月,研究人员在 arXiv 发布 VIVID 模型,旨在解决现有视觉多模态大模型(MLLM)在有限帧预算下丢失局部运动与事件顺序的问题。该模型仅在冻结的 27B 参数骨干网络上增加 0.22% 的可训练参数,通过引入帧间 Patch Diffs 和动态 Token 技术实现超越静态多图推理的能力。系统利用 3 fps 池自主规划关键帧,并在零额外锚点开销下运行。
AI 根据报道生成 · 10 小时前更新
最新进展11月18日 13:00
VIVID:超越静态多图推理的视觉多模态大模型报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv · 机器人与计算机视觉VIVID:超越静态多图推理的视觉多模态大模型
VIVID 提出通过帧间 Patch Diffs 和动态 Token 解决视频 MLLM 在有限帧预算下丢失局部运动与事件顺序的问题。该模型仅在冻结的 27B 骨干网络上增加 0.22% 可训练参数,利用 3 fps 池自主规划关键帧并在零额外锚点开销下运行。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月18日 16:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月19日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。