【论文分享】看懂视频里的“谁在干什么”：VTrajEmbed 轨迹级文本-视频时空向量检索解析与轻量级复现指南

不错! 目前共计 67 篇日志。 继续努力。

202629

10-24

【论文分享】看懂视频里的“谁在干什么”：VTrajEmbed 轨迹级文本-视频时空向量检索解析与轻量级复现指南

10-24

【论文分享】打破长视频的显存与计算魔咒：解析前沿论文 WIRE (Weight Space Implicit Representation Encoding)

10-23

【论文分享】把长视频“刻进脑神经”：解析 MIT³ (Memory Internalization via Test-Time Training)

10-22

【论文分享】长视频大模型的“读写分离”革命：解析 Video-EMem 与自进化架构 VideoEvoHarness

10-22

【论文分享】给大模型装上“变速箱”：解析 TempoMoE 如何识别并引导快慢思考专家实现高效多模态推理

05-13

【论文分享】告别思维链内耗：为什么检索不需要“做题家逻辑”？腾讯微信 ACM MM 2026 新作 RIME 深度拆解

03-02

【论文分享】告别多模态内耗：为什么传统对比学习会“左右互搏”？ICML 2026 新作 UniAlign 深度拆解

02-28

【论文分享】告别“近视眼”：对比场景图（Contrastive Scene Graphs）如何用数学与结构重塑多模态认知？

02-03

【论文深度拆解】阿里千问 Qwen3-VL 检索双子星全景解析：面向视频与多模态检索系统的工程落地实战指南

202518

09-16

【论文分享】以 300B 逆袭 2 万亿：Apple 领衔的 DCLM 如何用“绝对控制变量”重写大模型数据法则？