AITOP
精选
过去 24 小时，从 750 条中筛出 46 条
全部模型产品行业论文技巧
标签：视觉-语言模型×
6月11日
15:28
15:23
15:07
10:01
10:01arXiv cs.AI@Tarandeep Singh, Soumyanetra Pal, Soham Biswas, Nishanth Chandran
精选
本文提出一种三阶段流水线，用于从监控视频中零样本理解事故，包括何时发生冲击、何种类型以及发生在画面何处。第一阶段通过视觉-语言相似性提取冲击附近的时间窗口；第二阶段利用元数据驱动多提示推理，结合五个互补视角（基线、运动、几何、对比和决胜）并通过熵门控成对裁决器解决分歧；第三阶段基于预测的事故类型和场景布局，使用开放词汇检测器定位冲击，并通过得分加权质心聚合关键帧检测结果。该方法在零样本ACCIDENT @ CVPR基准上显著优于中心帧基线，表明将零样本视频理解分解为时间定位、语义分类和空间定位能比直接提示更可靠地利用视觉-语言模型。
论文零样本学习视频理解多提示推理事故检测视觉-语言模型
推荐理由：这篇论文解决了监控视频中事故理解的零样本难题，做视频分析或安全监控的开发者可以直接借鉴其三阶段分解思路，比传统提示方法更可靠，值得一试。
原文
6月1日
00:09
5月29日
08:02
AITOP5月29日 08:02
Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？🔥Anthropic 把 AI 编程的“确认键”彻底删掉了！Claude Code 搭载全新 Opus 4.8 模型，长时间任务不跑偏、不废话、不中断，像一个资深工程师一样默默干活，从功能开发到漏洞清扫全包圆，你在旁边喝茶等结果就行。过去 AI 写代码三步一问“这样可以吗”，现在它直接交完整交付物……自主编程的最后一层窗户纸，被捅破了。做自动化开发和代码审查的团队，这个模型建议直接上手，效率差距肉眼可见……Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？