联合视频文本模型零标注检索难例

yassineyousfi_演示使用联合视频—文本嵌入模型，在约298万个视频窗口中检索“自行车装在车架或车尾”的罕见画面，0.15秒返回24个匹配窗口，无需人工标注。 该演示被报道为复现了Andrej Karpathy在2019年提出的设想：依靠车队收集并标注困难样本，挖掘出这类罕见难例。其检索效果目前来自该演示，报道未提供独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。