热点事件持续更新

纯文本训练实现零样本视频时序定位

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

Divyanshu Mishra 等作者提出一种仅用文本视频描述训练、推理时才接收视频的零样本视频时序定位方法，并称无需视觉语言预训练。团队构建 134K 样本语料，用 LoRA 微调 Qwen3-8B。在 Temporal-TextVid 上，其 LLM2CLIP 文本嵌入达到 61.54 mtIoU，高于 CLIP 的 53.86。该结果来自作者报告，尚待独立验证。

AI 根据报道生成 · 2 小时前更新

最新进展11月5日 13:00

纯文本训练实现零样本视频时序定位：Qwen3-8B 与 NER 方法

报道时间线

沿着报道，了解事件的不同侧面。

11月5日

13:00
arXiv cs.AI
纯文本训练实现零样本视频时序定位：Qwen3-8B 与 NER 方法
研究探索仅用文本视频描述训练无视觉预训练的 LLM 完成时序定位，推理时才接收视频。团队构建 134K 样本语料，用 LoRA 微调 Qwen3-8B，LLM2CLIP 文本嵌入在 Temporal-TextVid 上达 61.54 mtIoU，优于 CLIP 的 53.86。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。