IXThinker·2025-05-06 11:00

Video-XL-Pro：3B小模型突破長影片理解

上海交通大學、北京智源研究院與特倫托大學聯合團隊推出Video-XL-Pro，以3B參數在超長影片理解上超越Meta 7B模型Apollo-7B，單卡可處理近一萬幀影片。

領域兩大瓶頸

現有多模態大模型在超長影片訓練與應用上存在顯著瓶頸：一方面難以對超長影片作大規模訓練，另一方面處理長影片時性能與效率俱差。如何以小參數量支撐長影片理解，成為業界焦點。