智谱AI开源CogVLM2-Video视频理解模型支持时间问答
视频理解模型虽然能够解析画面内容，但在准确回答“这个动作发生在第几秒”这类时间相关问题时，往往力不从心。当前主流的视频理解模型普遍采用帧平均或视频标记压缩来降低计算开销，导致时间维度的细节信息被压缩丢失，面对时间敏感的问题自然难以给出精准答案。而部分专门针对时间问答设计的模型，又过度局限于特定格式和
视频理解模型虽然能够解析画面内容，但在准确回答“这个动作发生在第几秒”这类时间相关问题时，往往力不从心。当前主流的视频理解模型普遍采用帧平均或视频标记压缩来降低计算开销，导致时间维度的细节信息被压缩丢失，面对时间敏感的问题自然难以给出精准答案。而部分专门针对时间问答设计的模型，又过度局限于特定格式和领域，丧失了更广泛的问答能力。
▲ 官方效果演示画面
智谱AI此次推出的CogVLM2-Video，正是针对这一痛点进行了深度优化。他们提出了一套基于视觉模型的自动时间定位数据构建方法，生成了3万条与时间相关的视频问答数据。在此基础上，结合现有开放领域问答数据，将多帧视频图像与时间戳共同作为编码器输入，最终训练出了CogVLM2-Video模型。
从测试结果来看，CogVLM2-Video不仅在公共视频理解基准测试中达到了最新最优性能，在视频字幕生成和时间定位这两个细分任务上同样表现突出。目前该模型已开源，相关资源链接如下：
代码仓库：https://github.com/THUDM/CogVLM2
项目官网：https://cogvlm2-video.github.io
在线体验：http://36.103.203.44:7868/
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：智谱AI开源CogVLM2-Video视频理解模型支持时间问答要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点在COMPUTEX2026展会上，技嘉展示了AORUSGeForceRTX5080INFINITYWOOD显卡和AORUSX870EINFINITYNEXT主板。RTX5080显卡采用白色主题与木色元素装饰，设计独特；X870E主板则以蝴蝶翅膀为灵感，采用类蜂窝结构和金属3D打印
星际荣耀公司近日成功完成SQX-3运载火箭海上回收高精度导航系统的无人机挂飞试验。该试验在广东阳江海域进行，采用创新的半实物动态模拟方案，全面验证了导航系统在复杂海况下的性能。结果表明，系统各项指标均优于设计要求，能够稳定提供火箭与回收船之间的高精度相对导航信息。这标志着该核心系统已完成全部地面验证
PC内存厂商OriginCode近日分别针对英特尔和AMD平台推出专项优化内存。面向英特尔平台的CQDIMM内存，通过与技嘉合作验证了256GB8000MT s的高带宽套条，旨在为本地AI、视频渲染等重载任务提供强大数据吞吐能力，并计划在2026年台北电脑展展出。针对AMD平台，则推出多款支持E
东风本田公布5月销量达18563台，环比增长20%，其中CR-V销量增长显著。品牌同步推出6月限时购车权益，涵盖CR-V、英仕派、HR-V及思域等多款车型，权益价最低至9 79万元起，并可叠加国家以旧换新补贴及原厂配置加装优惠，为近期有购车计划的消费者提供了具体的价格参考与增值选择。
- 日榜
- 周榜
- 月榜
热点快看