تا به حال به این فکر کردهاید که هوش مصنوعی چطور ویدیوهای طولانی و استریمهای زنده را بدون اشغال کردن حافظه زیاد پردازش میکند؟ محققان بهتازگی مدل جدیدی به نام FOLIO را معرفی کردهاند که این چالش بزرگ را حل کرده است.
این سیستم به جای ذخیره بیهدف تمام فریمها، مثل مغز انسان عمل میکند؛ یعنی جزئیات مهم ویدیو را با دقت بالا حفظ کرده و بقیه موارد را به صورت فشرده ذخیره میکند. این نوآوری باعث شده تا سرعت و دقت مدلهایی مثل Qwen3-VL در تحلیل ویدیوهای زنده به طرز چشمگیری افزایش یابد. گامی بزرگ برای هوش مصنوعیِ بینا که میتواند در لحظه، اتفاقات مهم را درک کند. 🎥✨
منبع: arXiv Computer Vision