开发者开源低显存视频姿态检索引擎

开发者 qn06142 用 7 天微调 EVA-02-CLIP 并开源本地视频姿态检索引擎，可不依赖上传者元数据，按视觉姿态、服装、机位和动作节奏检索视频。训练仅需 8GB RTX 4060 笔记本的 4.5GB 显存，推理向量可驻留 2GB 显存，完整索引扫描约 8.9ms。 引擎使用 14.7 万个视频、132 万个关键帧训练，验证损失由 1.428 降至 1.054，留出集 Recall@1 从 12.4% 升至 20.67%，精选集为 28.0%；跨域 Recall@1 从零样本的 18.09% 提升至 55.28%。

AI 根据报道生成 · 12 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。