流式视频理解的简单基线：仅需最近4帧
深度2026年4月2日32 分钟阅读
最有趣的发现是：简单的滑动窗口方法仅处理最近几帧视频，性能就能匹配或超越依赖复杂记忆机制的现有模型。该论文适合计算机视觉研究者、视频理解工程师以及对高效AI模型设计感兴趣的读者阅读。
本文编译自 A Simple Baseline for Streaming Video Understanding，版权归原作者所有。
觉得有用？分享给更多人
相关文章
谷歌发布了 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber 三款新模型，主打更高效率、更低成本和专门化场景（如网络安全）。但旗舰模型 Gemini 3.5 Pro 迟迟未更新，而竞争对手 OpenAI 和 Anthropic 已推出多款新模型，加剧了市场压力。
深度·7月21日·3 分钟
Google 推出 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber 三款模型。3.6 Flash 在多项基准测试中显著优于 3.5 Flash，且成本更低；3.5 Flash-Lite 速度最快、性价比最高；3.5 Flash Cyber 专用于网络安全，仅限有限试点。此外，3.5 Pro 正在测试中，Gemini 4 预训练已启动。
深度·7月21日·5 分钟