VidVec：纯文本优化实现零样本视频文本检索

1. 13:00
   arXiv · cs.AI

   VidVec：用纯文本优化释放视频 MLLM 嵌入的视频文本检索能力

   VidVec 提出一种无需配对多模态数据的纯文本优化方法，把预训练多模态大语言模型（MLLM，Multimodal Large Language Model）的中间层嵌入与校准后的 MLLM 头结合，零样本即可完成视频文本检索。该方法用密集视频描述和短摘要做文本对齐，效果超过使用视频文本配对监督训练的版本，并在常见视频文本检索基准上取得当前最优性能。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。