2025年，视频理解技术已经成为计算机视觉领域的重要研究方向和应用热点。随着深度学习技术的飞速发展和大规模视频数据集的支持，视频理解技术已经从简单的视频分类演进...

在全球青少年社交退缩率高达20%的当下，校园中那些沉默独坐、回避互动的“边缘”学生，正被孤立感悄悄侵蚀。他们可能因抑郁、自闭、创伤或环境适应问题陷入社交困境，而...

在今年的计算机视觉与模式识别会议（CVPR）上，某中心视频团队展示了四篇论文，涵盖了我们在前沿问题研究上的广泛工作范围。

在建筑工程监理领域，传统监理方式面临文明施工监管实时性不足、基坑风险排查效率低、临时消防检查易漏检、项目经验共享难及行业标准落地受阻等痛点。为解决这些问题，工程...

在食品生产从原料到成品的全链条中，食品安全与品质管控贯穿始终，但传统质检模式已难以适配现代食品行业大规模、高速化的生产节奏，诸多痛点成为品质提升与效率优化的阻碍...

今天介绍的这款软件叫： MassTube ，是一款专门下载某管视频的软件，该软件完全免费，能直接下载某管的4K视频。

如今的视觉语言模型 (VLM, Vision Language Models) 已经在视觉问答、图像描述等多模态任务上取得了卓越的表现。然而，它们在长视频理解和...

为此，来自得克萨斯大学阿灵顿分校（UTA）计算机系研究团队提出了 AdaCM2：首个支持超长视频理解的跨模态记忆压缩框架。该研究已被 CVPR 2025 正式接...

得益于出色的视频理解能力与对超长视频的高效处理性能，Video-XL-2 在多种实际应用场景中展现出很高的应用潜力。例如，它可广泛应用于影视内容分析、剧情理解、...

一种轻量级长视频理解框架。作者提出了一种将视觉语言模型（VLMs）转换为视频模型的轻量级框架。通过仅使用10k个短视频训练对齐层，VLMs的帧级图像-文本理解能...

Gemini API 现在还加了个“低”媒体分辨率参数，让 Gemini 2.5 Pro 能用 200 万 token 上下文处理大约 6 小时的视频，成本更低...

幼儿跌倒检测系统利用AI视频技术，结合人体姿态识别和实时报警功能，提供了一种智能化解决方案。本文将深入剖析其技术架构、模块实现与应用场景，探讨开源技术如何提升幼...

无人机油fields巡检系统通过集成无人机硬件与AI视频监控技术，提供了一种智能化解决方案。本文将详细解析其技术架构与实现方式，分享如何通过开源技术提升油田管理...

随着视频内容的重要性日益提升，如何处理理解长视频成为多模态大模型面临的关键挑战。长视频理解能力，对于智慧安防、智能体的长期记忆以及多模态深度思考能力有着重要价值...

下班回家后你正深陷于一部两小时的综艺节目中，渴望找到那些让人捧腹的爆笑片段，却如同大海捞针。或者，在紧张刺激的足球赛中，你渴望捕捉到那决定性的绝杀瞬间，但传统 ...

今天向大家介绍一项来自香港大学黄超教授实验室的最新科研成果 VideoRAG。这项创新性的研究突破了超长视频理解任务中的时长限制，仅凭单张 RTX 3090 G...

最近，ByteDance Research 的视频理解大模型眼镜猴（Tarsier） 迎来了巨大更新，发布了第二代模型 Tarsier2 及相关技术报告。研究团...

近年来，已有很多基于深度神经网络的视频理解算法取得了较佳的性能，如 TSM、SlowFast、I3D、X3D、ViViT 等。然而，一个严重的问题是，相较于图像...