【论文分享】代码即视频描述？解析快手可灵与南大新范式 CodeCap-Bench 及工业落地思辨

不错! 目前共计 67 篇日志。 继续努力。

202629

10-29

【论文分享】代码即视频描述？解析快手可灵与南大新范式 CodeCap-Bench 及工业落地思辨

10-28

【论文分享】以视频搜视频的“时间橡皮筋”：解析 ICCV 顶会《MATR》如何用 Soft-DTW 与向量数据库重塑海量视频秒级定位

10-28

【论文分享】看图寻物的“时空雷达”：解析 AAAI 顶会《QDETRv》如何用记忆模块与合成轨迹重塑视频目标追踪（兼论 SAM 2 的底层思想渊源）

10-28

【论文分享】看懂动态世界的因果：解析 CVPR 顶会《Few-Shot Referring Relationships in Videos》的时空图与置信度传播

10-28

【论文分享】多模态融合的“做菜哲学”：短视频检索中融合顺序（Fusion Order）为什么至关重要？

10-27

【论文分享】长视频定位别做“猜时间题的做题家”：ICLR 2026 华南理工&字节跳动 Invert4TVG 论文解析

10-27

【论文分享】无需训练即可看懂长视频？MIR 2026 论文 FreeDVC 解析及多模态视频资产库工程实践

10-27

【论文分享】多模态大模型的“克制之道”：解析定位前沿论文 Think-Compress-Answer (TCA)

10-26

【论文分享】如何让大模型看懂10分钟长视频？中科院&可灵团队 PIGEONS 论文解析

10-26

【论文分享】给视频大模型装上“时间透镜”：NeurIPS 2026 论文 EventLens 解析