V-JEPA-LM用反事实监督学习视频动态
热点事件持续更新
V-JEPA-LM用反事实监督学习视频动态
1 篇报道1 个报道来源33 分钟前更新
先了解这件事
AI 综述
Keuntae Kim提出V-JEPA-LM:冻结V-JEPA视频编码器,利用同一视频正放与倒放构成的反事实样本训练语言模型,使模型依据时间变化而非静态画面判断动作方向。 论文称,该方法将训练阶段从3个减至1个,样本量从8850万降至453万,每帧视觉token从288个压缩至32个;4B级模型在12项视频基准上的平均准确率由61.1%升至72.1%,并以约原方案1/20的训练数据超过InternVL3.5-4B、PLM-3B等开源视频语言模型。
AI 根据报道生成 · 25 分钟前更新
最新进展11月16日 17:17
V-JEPA-LM:反事实监督让语言模型读懂视频动态,4B级准确率61.1→72.1报道时间线
沿着报道,了解事件的不同侧面。
11月16日
- AGI HuntV-JEPA-LM:反事实监督让语言模型读懂视频动态,4B级准确率61.1→72.1
V-JEPA-LM提出利用视频正放与倒放的反事实监督,从冻结的V-JEPA预测式视频编码器中学习运动动态。训练阶段由3→1,样本数由88.5M→4.53M,每帧视觉token由288→32;4B级模型在12项基准上的平均准确率由61.1升至72.1,并以1/20的训练数据超过InternVL3.5-4B、PLM-3B等开源视频LLM。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。