Hugging Face Daily Papers·· 1 天前AI 评分42
VideoJev：用于视频理解与交互的 System One 模型
VideoJev: System One Model for Video Understanding and Interaction
AI 导读
VideoJev 将视频理解与交互建模为结构化决策任务，用共享头对时间区间和文本选项打分，统一 temporal grounding 与多选视频问答。
来源：Hugging Face Daily Papers · arxiv.org