AutoGaze实时处理长视频
AutoGaze → 确实有效。看起来是视频理解的一大步。
用 @gradio 和 @nvidia NVILA 构建了 demo：
更少计算
更快
处理长视频
终于实现了。
用 @gradio 和 @nvidia NVILA 构建了 demo：
更少计算
更快
处理长视频
终于实现了。
NVIDIA 说：视频理解不再需要“蛮力处理每个像素”。
AutoGaze - 在视频 patches 进入 Vision Transformer 之前识别并移除冗余的 patches。
现在可以实时处理 4K 长视频。
兼容 SigLIP2 和 NVILA。
https://t.co/TWRVFC1vmX https://t.co/jd9jb5Zzsa