XNews

谷歌Gemini Flash智能体视频理解:标记削减88%,准确率提升7%

谷歌Gemini Flash智能体视频理解:标记削减88%,准确率提升7%

谷歌为Gemini Flash模型引入了智能体视频理解技术,从被动的固定帧摄取转变为智能体循环模式,由模型自主决定观看位置、速度及模态(帧、音频、字幕)。该技术最多可减少88%的令牌消耗、66%的分析成本,并将准确率提升达7%。四大核心能力包括:亚秒级瞬间定位、长视频大海捞针式搜索、动态采样的异常检测,以及通过变速回放实现的动作/物体计数。该方法将智能体视觉技术从图像扩展至视频的时间维度。

Source posts