IXThinker·2026-06-28 10:50

關鍵幀動態選擇破解長視頻難題

多模態大模型正由看畫面邁向懂世界，但面對動輒數小時的業務長視頻，算力成本令均勻採樣成為行業慣例，卻難以捕捉關鍵語義。有企業團隊提出關鍵幀動態選擇範式，兼顧效率與理解深度。

長視頻遇上算力牆

真實業務場景的視頻動輒數小時，幀率高、數據量大，直接輸入令計算成本激增。為妥協算力，行業普遍採用每隔數秒均勻取樣的策略，讓模型機械地定時觀察畫面，猶如按節拍器睜眼。