返回全部题目← 上一题228 / 333下一题 →题库/模型基础与推理/Q-5962视频编码器如何取舍三维卷积、二维特征时序融合与分解注意力？知识专题：多模态与生成模型题目类型：比较选型技术难度：进阶题集来源：2 个未标记未标记待复习已掌握收藏反馈（在 GitHub 新标签页打开）Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~问 AIKimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）本题目录收录题集相关题目收录题集2 个来源，共4 份题集多模态与计算机视觉阿东玩 AI · AgentGuide · 2 条原题查看题集 →【视频时空特征提取】视频时空特征提取：介绍TimeSformer或VideoMAE的核心思路；说明SlowFast网络如何模拟人类视觉系统的双流机制。 「腾讯」【视频音频预训练】讲一下视频/音频预训练，如何构建网络，如何训练？ 「腾讯」04_视频理解典型模型与架构Rocky Ding · AIGC-Interview-Book · 2 条原题查看题集 →详细分析3D CNN与2D CNN+时序建模的组合架构在视频理解中的技术路线差异对比分析基于CNN的SlowFast网络与基于Transformer的TimeSformer在长视频理解中的架构差异01_AI视频基础概念Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →逐帧处理与时空联合建模有什么区别？02_AI视频生成核心架构Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →Temporal Conv、3D Conv 与时空 Attention 应如何选择？相关题目4 题0522轨迹模型采用什么动作空间？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0536你了解哪些多模态大模型及其原理？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0777视频帧是否作为图片文件直接输入多模态模型？同一知识专题题目类型：原理机制技术难度：基础相关面经：1 篇0787长视频为什么不能一次全部交给大模型？同一知识专题题目类型：原理机制技术难度：基础相关面经：1 篇♥♥♥♥♥← 上一题已到最后一题← 上一题视频接入 LLM 应使用分析器文本、视觉嵌入还是混合接口？下一题 →视频时序定位如何根据文本确定事件起止区间？
