本研究提出了一种新的视频标记器LARP，克服了传统自回归生成模型的局限性。LARP通过整体查询学习视觉信息，显著提升了生成模型的性能，在UCF101基准测试中表现优异，展现了其潜在应用价值。

视频的学习自回归生成先验的标记化
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证