openJiuwen AgentMemory 0.2.0 推出多模态记忆能力 OmniMem-Lens,解决长视频按固定时间切分导致的记忆碎片化问题。该能力通过视觉与语音双流识别真实事件边界,并建立三层记忆结构,实现离线整理与在线检索。评测显示,召回精度最高提升 45.7%,问答时延最高降低 97%,使智能体能够按事件记忆长视频并快速准确作答。
本研究提出了一种新的隐式位置-字幕对齐方法,解决了弱监督密集视频字幕生成中缺乏事件边界注释的问题。该方法通过补充掩蔽简化了事件提议和定位过程,实验结果表明其在公共数据集上优于现有弱监督方法,并与全监督方法竞争。
通过生成学习重新构建声音事件检测问题,模型学习逆转噪声处理,能从噪声查询中生成准确的事件边界。实验证明,在Urban-SED和EPIC-Sounds数据集上,模型训练速度更快且优于现有替代方法。
完成下面两步后,将自动完成登录并继续当前操作。