Streaming Video Understanding
Video Streaming Thinking: VideoLLMs Can Watch and Think Simultaneously
让 VideoLLM 在视频流播放过程中同步观察与推理,在保持实时响应的同时提升在线与长视频理解能力。
CS Student / AI Learner / CV Explorer
北京交通大学 2024 级詹天佑学院计算机科学与技术专业在读。 目前系统学习人工智能基础,逐步积累科研与工程实践能力。
About
我是一名计算机科学与技术专业本科生,目前对人工智能与计算机视觉方向具有浓厚兴趣。 现阶段主要专注于深度学习相关基础知识的学习与实践,希望在扎实掌握计算机与数学基础的同时, 逐步明确研究方向并提升科研与工程能力。
Recent Reading
最近关注视频理解、主动感知与视觉基础模型,记录正在阅读的代表性工作。
Streaming Video Understanding
让 VideoLLM 在视频流播放过程中同步观察与推理,在保持实时响应的同时提升在线与长视频理解能力。
Agentic Video Perception
通过“计划—观察—反思”循环主动寻找关键证据,减少长视频理解中的无关信息与计算开销。
Vision Foundation Model
以可提示的通用分割模型和 SA-1B 数据集,探索跨任务、零样本迁移的图像分割基础能力。
Projects
Experience
2024 级计算机科学与技术专业本科在读,关注深度学习、计算机视觉与人工智能方向。
参与城市轨道交通 4G / 5G 公网信号回放和通信性能仿真平台项目,担任队员并协作完成实现与实验支持。
Contact
如果你对我的学习方向、项目经历或合作交流感兴趣,可以通过邮箱、GitHub 或 Bilibili 联系我。
Friends