技术文章 6

TimeProVe:先提议再验证,长视频理解成本降低93%同时精度提升7.3%

TimeProVe提出两阶段框架解决长视频问答的效率-精度矛盾:先用轻量级ACE模块从视频中提取动作级候选证据并生成假设,再调用大型VLM精准验证。在ADL场景基准OTB上超越最强基线7.3%,VLM调用减少75%,推理成本降低93%。

TimeProVe: 提议再验证——高效长视频理解的新范式

TimeProVe提出了一种先提议再验证的高效长视频理解框架,通过ACE模块先用轻量级模型定位候选证据,再调用大型视觉语言模型精准验证。该方法将VLM调用减少75%、推理成本降低93%,同时准确率提升7.3%。论文还推出了OpenTSUBench基准测试,专门评估日常生活活动场景中的时序推理能力。

TimeProVe:先提议后验证,高效理解长视频的时间推理框架

TimeProVe 提出了一种'先提议、后验证'的两阶段框架,用于高效处理长视频问答。通过轻量级 ACE 模块提取动作级别的候选证据,再用大型 VLM 做针对性验证,在 OTB 基准上比最强基线高出 7.3%,VLM 调用减少 75%,推理成本降低 93%。该方法无需专门的时间定位训练就能实现零样本时间定位,代表了'聪明使用计算'的新趋势。

TimeProVe:先提议后验证,高效理解长视频的时间推理框架

TimeProVe 提出了一种'先提议、后验证'的两阶段框架,用于高效处理长视频问答。通过轻量级 ACE 模块提取动作级别的候选证据,再用大型 VLM 做针对性验证,在 OTB 基准上比最强基线高出 7.3%,VLM 调用减少 75%,推理成本降低 93%。该方法无需专门的时间定位训练就能实现零样本时间定位,代表了'聪明使用计算'的新趋势。

TimeProVe:先提案后验证——高效长视频时序推理的新范式

TimeProVe提出先提案后验证的两阶段框架,用轻量模型筛选候选证据再用VLM精准验证,在长视频问答任务上实现93%成本降低和7.3%性能提升,同时引入OTB日常生活时序推理基准。

TimeProVe:先提议再验证,高效长视频理解的新范式

TimeProVe提出一种先提议再验证的混合框架用于长视频时序推理。通过轻量级动作检测和LLM候选生成,仅对少量候选调用昂贵VLM验证,在OTB基准上提升7.3%准确率的同时减少75%的VLM调用和93%的推理成本,并提出了面向日常活动的OTB基准。

情报动态 7

ai_tokens 🟢

Agnes AI周API调用达4.66万亿tokens + 推出Pavo创意工作室

Agnes AI报告免费API周调用量达4.66万亿tokens。6月29日推出Pavo创意工作室(web端免费AI创作平台)。新加坡AI Lab Top10,永久免费多模态API。

ai_tokens 🟢

HappyHorse 1.0 — 阿里淘天开源AI视频生成模型#1排名

阿里淘天集团开源HappyHorse 1.0,15B参数AI视频模型,Artificial Analysis T2V/I2V双榜#1。原生1080p+音频同步,50+风格,~10秒生成。Apache 2.0。

ai_tokens 🟢

Genbo.ai: 免费无限AI图像/视频/聊天模型API

免费无限使用开源模型,覆盖图像生成、视频创建、语言模型。GPU计算H100 $2.835/h,付费模型低价透明计费。

ai_tokens 🟢

CreativeAI: OpenAI兼容图像/视频/语音API,$10免费credits

Sora/DALL-E替代方案,OpenAI兼容API支持图像、视频、语音生成。使用promo code DALLE1000可获$10免费credits,无需复杂配置。

ai_tokens 🟢

deAPI.ai:图像转视频API $5免费额度

图像转视频生成API,注册送$5免费额度。支持Wan 2.2、AnimateDiff等模型,成本低于传统方案20倍,适合SaaS和创意工具集成。

ai_tokens 🟢

Wan 2.7 — 阿里通义免费AI视频+图像生成平台

阿里通义驱动的Wan 2.7全面上线,支持AI视频(1080p/15秒/原生音频)和图像生成(千人千面/调色盘配色/3K文本渲染),800K+活跃用户,Wan 2.1开源无审查。

工具 🟢

OpenBrief — 本地优先的视频下载/摘要工具

本地优先的视频下载和内容摘要工具,保护隐私的同时利用 AI 生成视频内容概要。支持多种视频平台,数据不离开本地。HN 热度 92+,GitHub 343 星。