タグ: #video-understanding

한국어English日本語中文

← すべての記事

• 動画生成・理解の技術レポート、何を読むか — デモではなく制約を読む

  動画生成と理解の技術レポート10本を、arXivの原文アブストラクトで直接確認して整理しました。CogVideoX、Movie Gen、HunyuanVideo、LTX-Video、Wan、Seedance 1.0と2.0、そして理解側のQwen2.5-VL、VideoLLaMA 3、HY-Himmelまで、何を新しく行い著者がどんな限界を述べたかを読みます。順位は扱わず、長さ・解像度・トークン予算といった実際の制約を見ます。領域別・最

  2026-08-12 · 12 分で読めます #ai-papers#paper-review#technical-report#video-generation#diffusion-transformer

• SOTA リアルタイム動画分析 — 追跡、理解、効率的推論

  リアルタイム動画分析の SOTA の流れを整理します。行動認識・物体追跡・時間的セグメンテーションといった動画理解の課題、SAM 2 系の動画セグメンテーション・追跡の概念、トランスフォーマーベースの動画モデル、そして軽量化・ストリーミングによるリアルタイム推論最適化を、アーキテクチャの原理を中心に見ていきます。

  2026-06-30 · 42 分で読めます #ai-papers#video-understanding#object-tracking#sam2#action-recognition