V-JEPA-LM:读懂动态的视频语言模型
原文标题:V-JEPA-LM: Video-Language Models That Read Dynamics Beyond Static, Text-Aligned Representations
导读
这个视频语言模型不只看静态画面与文本对齐,而是真正读懂视频里的方向、速度、顺序与状态变化。
推荐理由
涉及模型 · 与本主题相关
来源:arXiv cs.AI · arxiv.org
原文标题:V-JEPA-LM: Video-Language Models That Read Dynamics Beyond Static, Text-Aligned Representations
这个视频语言模型不只看静态画面与文本对齐,而是真正读懂视频里的方向、速度、顺序与状态变化。
涉及模型 · 与本主题相关
来源:arXiv cs.AI · arxiv.org