10:37
arXiv cs.LG@Chandranath Adak, Ramesh Nandipalli
推荐理由：想了解手语识别和低资源语言翻译怎么落地？这篇用VideoMAE+NLLB-200直接搭了个两阶段流水线，13类测试精度78%，还带Streamlit演示和代码。
全部 AI 动态
AI 相关资讯全量信息流
6月23日
10:37
该研究提出两阶段深度学习流水线：先用微调后的VideoMAE视频Transformer将手语视频片段分类为英文标签（在AI4Bharat印度手语数据集的13类子集上达到99%训练精度和78%验证精度），再用Meta的NLLB-200模型将英文标签翻译为印地语、泰卢固语和孟加拉语。实验使用13类197个片段、80-20分割，15个epoch后完成训练，并通过混淆矩阵揭示主要失败模式（如ugly/deaf/blind等形容词混淆）。研究还提供了Streamlit演示入口，支持用户上传视频并输出预测标签及三种方言翻译。论文代码已开源。
6月16日
20:46
AITOP6月16日 20:46
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
6月9日
11:00
11:00
arXiv cs.AI@Samuele Punzo, Niccolò Caselli, Ippokratis Pantelidis, Francesco Massafra, Salvatore Lo Sardo, Mohammadreza Salehi
精选
推荐理由：这项研究揭示了视频模型理解物理规律的能力差异，对从事视频理解、物理推理或自监督学习的开发者有直接参考价值，建议关注V-JEPA在时间动态建模上的优势。