🤖 PadCaptioner: новый стандарт быстрого описания видео

Исследователи из Национального университета Сингапура представили PadCaptioner — модель размером 3B параметров для плотного описания видео (dense video captioning). Благодаря механизму latent planning, модель может генерировать описания событий параллельно.

🌍 Метод параллельного декодирования решает проблему низкой скорости инференса в видео-VLM. Это открывает путь к созданию быстрых систем видеоаналитики.

👤 Вы получаете инструмент, который описывает видео быстрее и точнее текущих тяжеловесных моделей (3B против 7B).

Источник 1: https://github.com/showlab/PadCaptioner Источник 2: https://arxiv.org/abs/2607.02963