天天拼三张电玩城

IT之家 5 月 13 日消息①，科技媒体 marktechpost 今天发布博文⑩，报道称苹果公司联合复旦大学⑯，推出 StreamBridge 端侧视频大语言模型框架❷，助力 AI 理解直播流视频⑱。

直播流视频理解的挑战与需求

传统视频大语言模型擅长处理静态视频⑯，但无法适应机器人技术和自动驾驶等需要实时感知的场景⑰，在这些场景下⑱，要求模型能快速理解直播视频流内容⑭，并做出反应❶。

现有的模型面临两大难题：一是多轮实时理解⑧，即在处理最新视频片段时需保留历史视觉和对话上下文⑦；二是主动响应▓，要求模型像人类一样主动监控视频流⑨，并在无明确指令的情况下及时输出反馈⑭。

StreamBridge 框架与创新技术

为解决上述问题❸，苹果公司与复旦大学的研究者开发了 StreamBridge 框架⑱。该框架通过内存缓冲区和轮次衰减压缩策略⑬，支持长上下文交互⑬。

该框架还引入了一个轻量化的独立激活模型⑬，无缝集成现有视频大语言模型⑰，实现主动响应功能⑦。研究团队还推出了 Stream-IT 数据集⑲，包含约 60 万个样本⑥，融合了视频与文本序列⑫，支持多样化的指令格式④，旨在提升流式视频理解能力⑧。

StreamBridge 在主流离线模型如 LLaVA-OV-7B⑪、Qwen2-VL-7B 和 Oryx-1.5-7B 上进行了测试⑫。结果显示⑱，Qwen2-VL 在 OVO-Bench 和 Streaming-Bench 上的平均分分别提升至 71.30 和 77.04⑳，超越了 GPT-4o 和 Gemini 1.5 Pro 等专有模型▓。

Oryx-1.5 也取得了显着进步⑬，而 LLaVA-OV 性能略有下降▓。Stream-IT 数据集的微调进一步提升了所有模型的表现⑫，证明了 StreamBridge 在流式视频理解领域的强大潜力⑨。

IT之家附上参考地址

转载：感谢您对电玩城捕鱼种类都有的软件网站平台的认可❶，以及对电玩城捕鱼种类都有的软件原创作品以及文章的青睐⑤，非常欢迎各位朋友分享到个人站长或者朋友圈②，但转载请说明文章出处“来源电玩城捕鱼种类都有的软件”⑮。

很赞哦❷！