Netflix正借助多模态AI技术，彻底改变其视频搜索与内容管理方式。平台允许编辑人员通过运行多个专门的AI模型（包括角色识别、场景分类、对话分析和物体检测），对数以千计的原始视频素材进行高效检索。其核心技术架...

研究人员开发了一种新的方法——全局-局部语义一致学习（Global-Local Semantic Consistent Learning，简称GLSCL），以提升文本视频检索的效率。这一创新方法不仅提高了检索的准确性，还显著降低了计算成本。GLSCL通过...

空间-时间多样化网络（STDN）是一种新型模型，通过探索帧内的空间特征和时间上的关联关系来捕捉视频中的多种线索。STDN模型可以同时捕捉视频中的动作、外观、场景和对象等多种信息，从而实现更准确的视频分类。此技...