11 月 19 日上传的预印本介绍 ForeSeek。方案面向长视频问答,在模型获取部分片段后,让它先判断后续时段可能有哪些证据,再定向查看。
模型会随着新片段更新判断。预期与画面不符时,系统可以回到前面的选择点,查看不同时间范围。
作者用长视频问答基准比较方案,并记录答案和观察效率。结果来自论文采用的模型与评测视频。
配图为 GETAI.APP 使用 ImageGen 生成的主题插画。
GETAI EDITORIAL DISPATCH新闻报道
研究让视频模型带着判断查看后续片段,遇到不符的证据后回退并改查其他时段。