设置
  • 日夜间
    随系统
    浅色
    深色
  • 主题色

谷歌发布 Mirasol:30 亿参数,将多模态理解扩展到长视频

2023/11/16 16:01:12 来源:IT之家 作者:故渊 责编:故渊

IT之家 11 月 16 日消息,谷歌公司近日发布新闻稿,介绍了小型人工智能模型 Mirasol,可以回答有关视频的问题并创造新的记录。

AI 模型目前很难处理不同的数据流,如果要让 AI 理解视频,需要整合视频、音频和文本等不同模态的信息,这大大增加了难度。

谷歌和谷歌 Deepmind 的研究人员提出了新的方法,将多模态理解扩展到长视频领域。

借助 Mirasol AI 模型,该团队试图解决两个关键挑战:

  • 需要以高频采样同步视频和音频,但要异步处理标题和视频描述。

  • 视频和音频会生成大量数据,这会让模型的容量紧张。

谷歌在 Mirasol 中使用合路器(combiners)和自回归转换器(autoregressive transformer)模型。

该模型组件会处理时间同步的视频和音频信号,然后再将视频拆分为单独的片段。

转换器处理每个片段,并学习每个片段之间的联系,然后使用另一个转换器处理上下文文本,这两个组件交换有关其各自输入的信息。

名为 Combiner 的新颖转换模块从每个片段中提取通用表示,并通过降维来压缩数据。每个段包含 4 到 64 帧,该模型当前共有 30 亿个参数,可以处理 128 到 512 帧的视频。

在测试中,Mirasol3B 在视频问题分析方面达到了新的基准,体积明显更小,并且可以处理更长的视频。使用包含内存的组合器变体,该团队可以将所需的计算能力进一步降低 18%。

IT之家在此附上 Mirasol 的官方新闻稿,感兴趣的用户可以深入阅读。

广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,IT之家所有文章均包含本声明。

相关文章

关键词:谷歌AI

软媒旗下网站: IT之家 辣品 - 超值导购,优惠券 最会买 - 返利返现优惠券 iPhone之家 Win7之家 Win10之家 Win11之家

软媒旗下软件: 魔方 云日历 酷点桌面 Win7优化大师 Win10优化大师 软媒手机APP应用