Nghiên cứu giới thiệu IDQD-RDO, phương pháp sử dụng ước tính Hessian ngẫu nhiên để tối ưu hóa các chỉ số chất lượng ảnh như MS-SSIM và LPIPS trong mã hóa VVC, giúp tiết kiệm 14.2-36.7% BD-rate mà không cần thay đổi bộ giải mã.
Omni-Streaming Thinking (OST) giúp mô hình AI phân tách dữ liệu thành bằng chứng và dự đoán, cho phép kiểm chứng thông tin theo thời gian thực để tránh sai sót khi xử lý dữ liệu đa phương thức.
MovieGrid giải quyết thách thức về tính nhất quán trong video dài bằng cách chia nhỏ video thành các khung hình lưới, giúp mô hình xử lý chuyển động phức tạp và duy trì cốt truyện xuyên suốt hiệu quả hơn.
ShallowStream là khung làm việc mới giúp giảm chi phí tính toán khi xử lý video trực tuyến bằng cách kết hợp xử lý nông (shallow) cho các khung hình đầu vào và chỉ đi sâu (deep) khi cần thiết, giúp tối ưu hóa bộ nhớ KV cache.
Scal3R tối ưu hóa tái tạo 3D trực tuyến bằng cách sử dụng các token học được để tinh chỉnh mô hình nền, kết hợp tối ưu hóa đồ thị tư thế giúp giảm thiểu sai số tích lũy trong các video dài.
Google AI for Developers@googleaidevsCan Gemini count the number of claps? 👏 Accurately counting rapid movements is a notoriously trick…
DịchGoogle giới thiệu tính năng hiểu video thông minh trên Gemini 3.7 Flash, cho phép tự động điều chỉnh tốc độ xử lý để nhận diện các hành động nhanh như vỗ tay, thay vì bỏ lỡ do giới hạn khung hình cố định.
cb_doge@cb_dogeGrok Build isn't just for coding. It can help you far beyond that. Today, I used it to clean up the…
DịchDogeDesigner chia sẻ trải nghiệm sử dụng Grok Build để xử lý video, từ việc loại bỏ tạp âm nền đến tự động tạo phụ đề cho bài phát biểu của Elon Musk, cho thấy tiềm năng của công cụ này trong lĩnh vực hậu kỳ video.
FFmpeg chính thức hỗ trợ tính năng nội suy khung hình của NVIDIA thông qua Vulkan API, cho phép người dùng card đồ họa RTX 30/40/50 series tăng gấp đôi tốc độ khung hình video bằng cách tạo khung hình mới thông qua AI.
MOSS-VL là dòng mô hình ngôn ngữ thị giác tiên phong tích hợp khả năng vừa quan sát vừa phản hồi theo thời gian thực. Nhờ cơ chế chú ý chéo, mô hình đạt hiệu suất vượt trội trên các bài kiểm tra luồng dữ liệu, dẫn đầu các giải pháp mã nguồn mở hiện nay.